PROPOSAL

KLASIFIKASI PENERIMA BANTUAN PENDIDIKAN KURANG MAMPU

MENGGUNAKAN ALGORITMA C4.5 PADA SMKN 3 TORAJA UTARA

OLEH :

ARI BORONG
218 611 109

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS KRISTEN INDONESIA TORAJA
2022
 LEMBAR PERSETUJUAN PEMBIMBING

KLASIFIKASI PENERIMA BANTUAN PENDIDIKAN KURANG MAMPU

MENGUNAKAN ALGORITMA C4.5 PADA SMKN 3 TORAJA UTARA

NAMA : ARI BORONG

NOMOR STAMBUK : 218611109

PROGRAM STUDI : TEKNIK INFORMATIKA

FAKULTAS : TEKNIK

DISETUJUI OLEH

PEMBIMBING I PEMBIMBING II

Gidion A. N. Pongdatu, S.Kom., M.Kom Juprianus Rusman, S.Kom., M.T

NIDN : 0918058802 NIDN : 0908019004

MENGETAHUI,
KETUA PROGRAM STUDI
TEKNIK INFORMATIKA,

Srivan Palelleng, S.Kom. MT.

NIDN : 0904028201

ii
 PRAKATA

Puji dan syukur penulis Panjatkan Kepada Tuhan Yang Maha Esa atas Kasih

dan Penyertaannya sehingga penulis dapat menyelesaikan proposal Penelitian

yang berjudul “Klasifikasi Penerima Bantuan Pendidikan Kurang Mampu

Menggunakan Algoritma C4.5 pada SMKN 3 Toraja Utara” tepat pada

waktunya.

Adapun tujuan dari penulisan Proposal penelitian ini adalah untuk

menyelesaikan studi sastra pada Program Study Teknik Informatika di Universitas

Kristen Indonesia Toraja. Pada kesempatan ini, penulis hendak ,menyampaikan

terimakasih kepada:

1. Kedua Orang Tua Tercinta yang telah membesarkan penulis sejak dari kecil

hingga saat ini dengan segalah rasa cinta dan kasih sayang yang tidak pernah

surut dan juga yang telah mendidik dan memberian dorongan dan doa kepada

penulis.

2. Yafet Bontong, S.T ., M.T. selaku Dekan Fakultas Teknik

3. Ibu Srivan Palelleng, S.Kom., M.T. Selaku ketua Program Study Teknik

Informatika

4. Dosen Pembimbing I Gidion A. N. Pongdatu, S.Kom., M.Kom

5. Dosen Pembimbing II Juprianus Rusman, S.Kom., M.T.

6. Seluruh staf pegawai Fakultas danstaf perpustakaan yang banyak membantu

penulis.

7. Kakak Adikan semua keluarga yang telah memberikan motivasi dan doa serta

nasehat bagi penulis dalam menyusun tugas Akhir.

iii
8. Sahabat-sahabat penulis yang selalu mendukung , memberikan semangat dan

setia dalam suka maupun duka.

Penulis menyadari bahwa dalam penulisan proposal penelitian ini masih

banyak kekurangan serta keterbatasan. Oleh karena itu penulis mengharapkan

kritik dan saran yang membangun. Penulis berharap semoga proposal penelitian

ini bermanfaat bagi para pembaca.

Rantepao, 2022

Ari Borong

DAFTAR ISI

iv
LEMBAR PERSETUJUAN PEMBIMBING......................................................ii

PRAKATA.............................................................................................................iii

DAFTAR ISI...........................................................................................................v

DAFTAR TABEL.................................................................................................vi

DAFTAR GAMBAR............................................................................................vii

BAB I.......................................................................................................................1

PENDAHULUAN...................................................................................................1

1.1 Rumusan Masalah.........................................................................................3

1.2 Tujuan Penelitian............................................................................................3

1.3 Batasan Masalah.............................................................................................3

1.4 Manfaat peneliti..............................................................................................4

BAB II.....................................................................................................................5

TINJAUAN PUSTAKA.........................................................................................5

2.1 Penelitian Terkait......................................................................................5

2.2 Landasan Teori..........................................................................................6

2.2.1 Beasiswa................................................................................................6

2.2.2 Data Mining...........................................................................................7

2.2.3 Tahapan Data Mining............................................................................8

2.2.4 Pohon Keputusan.................................................................................10

2.2.5 Algoritma C4.5....................................................................................10

2.2.6 Counfision Matriks..............................................................................11

2.2.7 Aplikasi Orange 3................................................................................14

2.2.8 Kerangka Pikir.....................................................................................14

v
BAB III..................................................................................................................15

METODOLOGI PENELITIAN.........................................................................15

3.1 Waktu dan Lokasi Penelitian...................................................................15

3.2 Instrumentasi (Bahan dan Alat) Penelitian..............................................15

3.2.1 Bahan...............................................................................................15

3.2.2 Alat...................................................................................................15

3.3 Tahapan Penelitian..................................................................................16

3.3.1 Pengumpulan Data...........................................................................16

3.3.2 Preprocessing...................................................................................17

3.3.3 Pembuatan Model............................................................................17

3.3.4 Interpretasi Hasil..............................................................................17

vi
 DAFTAR TABEL

DAFTAR GAMBAR

Contoh Data keputusan bermain tenis ................................................................. 9

Kerangka Pikir ....................................................................................................12

vii
Tahapan Penelitian ............................................................................................. 14

viii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Pendidikan yaitu suatu faktor kebutuhan yang paling utama dalam

kehidupan dan salah satu yang paling mendasar dalam mencetak generasi penerus

bangsa. Biaya pendidikan sekarang ini tidak murah lagi dikarenakan kondisi

perekonomian yang tidak stabil, biaya hidup semakin meningkat, dan mahalnya

biaya pendidikan. Salah satu Sekolah yang ada di Kabupaten Toraja Utara yang

memiliki jumlah Siswa 1063 siswa aktif dengan pendapatan orang tua yang

berbeda-beda (Petani, Karyawan Swasta, Wiraswasta, Buruh,

PNS/TNI/Polri,Tidak Bekerja, Wirausaha, Peternak) sehingga sekolah

memberikan bantuan pendidikan kurang mampubagi siswa yang kurang mampu.

Sekolah Menengah Kejuruan Negeri 3 Toraja utara (SMKN 3 Toraja

Utara) adalah sekolah yang didirikan oleh Pemerintah pada Tahun 2004. Sekolah

ini merupakan salah satu wujud keterampilan pelayanan dan kepedulian

Pemerintah untuk turut serta dalam usaha mencerdaskan kehidupan bangsa dalam

terang iman kristen. SMKN 3 Toraja Utara salah satu sekolah yang biasanya

mendapat bantuan biaya pendidikan kurang mampu dari lembaga untuk diberikan

kepada siswanya yaitu beasiswa bantuan belajar siswa (BBS). Untuk

mendapatkan beasiswa tersebut Siswa harus memenuhi syarat yang ditetapkan

oleh SMKN 3 Toraja Utara.

1
 2

Tidak semua Siswa mengajukan permohonan beasiswa dapat dikabulkan,

banyak siswa yang mengajukan permohonan beasiswa karena terbatasnya kuota

yang disediakan. Permasalahan yang sering muncul yaitu kurang tepatnya

penyaluran beasiswa terhadap siswa yang tidak berhak mendapatkan beasiswa

namun mendapatkan beasiswa, dan sebaliknya siswa yang seharusnya

mendapatkan beasiswa tetapi tidak mendapatkan beasiswa. Dalam bidang

computer berbagai metode yang dapat digunakan untuk memilih alternative yang

baik, antara lain Descition tree, ID3, C4.5. Algoritma yang paling tepat dalam

mengklasifikasi yaitu Algoritma C4.5, karena dalam algoritma C4.5terdapat

Freerunning dan Postrunning atau pemotongan cabang yang tidak dimiliki oleh

metode lain. Freerunning digunakan pada saat proses sedang berjalan sedangkan

Post running digunakan pada saat proses selesai.

Dengan permasalahan tersebut maka dibutuhkan model yang dapat

menentukan calon penerima bantuan pendidikan kurang mampu dan juga

meringankan kerja bagi bagian yang menangani beasiswa dalam menentukan

calon penerima bantuan biaya pendidikan kurang mampu.

Berdasarkan latar belakang tersebut penulis akan membuat model dalam

penentuan penerima bantuan beasiswa kurang mampu. Model yang digunakan

membuat keputusan menggunakan Algoritma C4.5 guna untuk memudahkan

dalam proses seleksi penerima bantuan biaya pendidikan kurang mampusesuai

dengan kriteria yang ada. Sehingga diharapkan dengan metode ini dapat

mengatasi permasalahan tersebut.

 3

Dengan alasan tersebut maka dilakukan penelitian dengan judul

“Penentuan penerima biaya pendidikan kurang mampu dengan menggunakan

Algoritma C.5 pada SMKN 3 TORAJA UTARA”.

1.1 Rumusan Masalah

Berdasarkan latar belakang maka dapat dirumuskan sejumlah

permasalahan utama yang menjadi fokus dari penelitian ini yaitu:

1. Bagaimana model Algoritma C4.5 dalam penentuan penerima bantuan

pendidikan kurang mampu?

2. Bagaimana Kinerja Algoritma C4.5 dalam penerima biaya pendidikan kurang

mampu?

1.2 Tujuan Penelitian

Sejumlah tujuan yang ingin dicapai dalam penelitian ini yaitu:

1. Memodelkan Algoritma C4.5 untuk penentuan penerima biaya pendidikan

kurang mampu

2. Mengetahui kinerja Algoritma C4.5 dalam penentuan penerima biaya

pendidikan kurang mampu

1.3 Batasan Masalah

Agar pembahasan tetap fokus pada pokok masalah yang mempermudah

pembahasan supaya tujuan penelitian tercapai,penulis merasa perlu memberikan

batasan masalah sebagai berikut:

1. Data yang digunakan adalah data SMKN 3 TORAJA UTARA

 4

2. Kriteria yang digunakan berasal dari SMKN 3 TORAJA UTARA

1.4 Manfaat peneliti

Adapun manfaat yang akan dicapai dalam penelitian tersebut

adalah sebagai berikut:

1. Bagi SMKN 3 Toraja Utara

a. Memberikan kemudahan pada saat proses penerimaan Bantuan biaya

pendidikan kurang mampu

b. Membantu dan memberikan pilihan bagi bagian yang menangani

penerimaan bantuan biaya pendidikan kurang mampu dalam mengambil

keputusan.

2. Bagi Peneliti

a. Untuk memenuhi persyaratan bagi penulis dalam menyelesaikan study

akhir di Universitas Kristen Indonesia Toraja

b. Menambah pengetahuan dalam memahami cara pembuatan dan

implementasi system pengambil keputusan khususnya metode

penerimaan biaya pendidikan kurang mampu.

 5

BAB II

TINJAUAN PUSTAKA

2.1 Penelitian Terkait

Pengertian beasiswa menurut Sihotang adalah pembiayaan yang

tidak bersumber dari pendanaan sendiri atau orang tua, akan tetapi

diberikan oleh pemerintah, perusahaan swasta, kedutaan, universitas, serta

lembaga pendidik atau peneliti, atau juga dari kantor tempat seseorang

bekerja untuk meningkatkan kapasitas sumber daya manusia melalui

pendidikan. Sedangkan menurut Putra dan Hardiyanti beasiswa adalah

pemberian berupa bantuan keuangan yang diberikan kepada perorangan

yang bertujuan untuk digunakan demi keberlangsungan pendidikan yang

ditempuh

Beasiswa adalah bentuk penghargaan yang diberikan kepada

individu agar dapat melajutkan pendidikan ke jenjang yang lebih tinggi,

penghargaan tersebut bisa berbentuk akses tertentu pada suatu instansi atau

penghargaan berupa bantuan keuangan menurun.

Beasiswa yayasan merupakan salah satu jenis dari dari beasiswa

yang disediakan oleh pihak penyelenggara maupun investor swasta

maupun asing, beasiswa biasanya didatangkan untuk orang-orang yang

tidak memiliki dana maupun biaya untuk melanjutkan sebuah pendidikan

5
 6

dan ada juga diperuntukan untuk orang-orang berprestasi dan sangat baik

apabila orang tersebut memiliki dua kondisi tersebut, pemberian beasiswa

tersebut

Implementasi Algoritma C4.5 pada penilaian kinerja pegawai negeri

sipil. Pada penelitian ini mencoba menerapkan algoritma C4.5 yang sudah

pernah dilakuan sebelumnya tetapi dengan variable yang berbeda dan

diaplikasikan pada data kinerja pegawai pada badan kepegawaian Daerah

Provinsi Bali oleh Ilham Kurniawan. Beberapa penelitian tentang

algoritma C4.5 telah dilakkukan dimana hasil yang didapat bahwa

algoritma C4.5 lebih baik dalam melakukan klasifikasi, seperti penelitian

tentang perbandingan perfomansi algoritma Decision Tree C4.5, cart,

danChai dimana didapat bahwa algoritma C5.0 lebih akurat dalam

melakukan credit scoring.

Usaha pemerintah untuk meningkatkan kualitas lulusan siswa salah satunya

melalui beasiswa Program Pemerintah Pintar (PIP).Penelitian ini dilakukan di

SDN Karawang Kulon 111.Penelitian ini bertujuan untuk memprediksi penerima

beasiswa dengan memanfaatkan teknik Data Mining.

2.2 Landasan Teori

2.2.1 Beasiswa

Beasiswa adalah pemberian biaya pendidikan kepada siswa yang masih aktif

mengikuti pendidikan disuatu sekolah menengah kejuruan.Beasiswa dimaknai

sebagai tunjangan yang kepada siswa sebagai bantuan biaya pendidikan. Khusus

6
 7

untuk penerima bantuan beasiswa di titik beratkan untuk siswa berprestasi dan

kurang mampu, dengan syarat siswa terdaftar pada sekolah menengah kejuruan

tersebut.

Untuk dapat calaon dan penerima Beasiswa atau bantuan biaya pendidikan

siswa harus memenuhi persyaratan jenjang sebagai berikut:

Jenjang SMK paling rendah pada semester II dan paling tinggi pada semester IV

dan masih menjadi siswa aktif.

2.2.2 Data Mining

Menurut Nafizah dalam mardiani data mining adalah suatu istilah yang

digunakan untuk menguraikan penemuan pengetahuan didalam basis data. Data

mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan

buatan, machine learning untuk mengektraksi informasi yang bermanfaat dan

pengetahuan yang terkait dari berbagai basis data besar.

Data mining adalah salah satu bidang berkembang peast karena besarnya

kebutuhan akan nilai tambah dari database skala besar yang makin banyak

terakumulasi sekalan dengan pertumbuhan teknologi informasi.

Data mining, juga sering disebut knowledge discovery in database (KDD),

adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk

menmukan keteraturan pola, atau hubungan dalam set data berukuran besar.

Keluaran dari data data mining ini bisa dipakai untuk memperbaiki pengambilan

keputusan dimasa depan. Sehingga istilah pattern recogdinition jarang digunakan

arena termasuk bagian dari data mining.

7
 8

2.2.3

2.2.4 Tahapan Data Mining

Dalam tahapan data mining memiliki beberapa tahapan yaitu:

1. Pembersihan Data (Data Cleaning)

Pembersihan Data merupakan proses menghilangkan noise dan data yang

tidak konsisten atau data yang tidak relevan. Pada umumnya data yang diperoleh,

baik dari dari database suatu perusahaan maupun hasil eksperimen, memiliki

isian-isian yang tidak sempurna seperti data yang hilang, data yang tidak valid

atau hanya sekedar salah ketik. Selain itu juga, ada juga atribut-atrubut data yang

tidak relevan dengan hipotesa data mining yang dimiliki. Data-data yang tidak

relevan itu juga lebih baik dibuang. Pembersihan data juga mempengaruhui

performasi dari teknik data mining karena data yang ditangani akan berkurang

jumlah dan kompleksitasnya.

2. Integritas Data (Data Integration)

Integrasi data merupakan penggabungan data dari berbagai database

kedalam satu database baru. Tidak jarang data yang diperlukan untuk data mining

tidak hanya berasal dari satu database tetapi juga dari beberapa database atau file

teks. Integrasi data perlu dilakukkan secara cermat karena kesalahan pada

integrasi data bisa menghasilkan hasil yang menyimpang dan bahkan

menyesatkan pengambilan aksi nantinya. Sebagai contoh bila integrasi dan

berdasarkan jenis produk ternyata menggabungkan produk dari kategori yang

berbeda maka akan didapatkan korelasi antar produk yang sebenarnya tidak ada.

8
 9

3. Transformasi Data (Data Transformation)

Data diubah atau digabung ke dalam formatyang sesuai untuk diproses

dalam datamining. Beberapa metode data mining membutuhkan format data yang

khsus sebelum bisa diaplikasikan. Sebagai contoh beberapa metode standar seperti

analisis asosiasi dan clistering hanya bisa menerima input data kategorikal.

Karena data yang berupa angka numeric yang berlanjut perlu dibagi-bagi menjadi

beberapa interval. Proses ini sering disebut transformasi data.

4. Proses Mining

Proses mining merupakan suatu proses utama saat metode diterapkan untuk

menemukan pengetahuan berharga dan tersembunyi dari data.

5. Evaluasi Pola (Pattern Evaluation)

Untuk mengidentifikasi pola-pola menarik kedalam knowledge based yang

ditemukan. Dalam tahap ini hasil dari tenik dat mining berupa pola-pola khas

maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada

memang tercapai. Bila ternyata hasil yang diperoleh tidak sesuai dengan

hipotesabeberapa alternative yang dapat diambil seperti menjadikan umpan balik

untuk memperbaiki proses data mining. Mencoba data mining lain yag lebih

sesuai, atau menerima hasil ini sebagai suatu hasil yang diluar dugaan yang

mungkin bermanfaat.

6. Presentasi Pengetahuan (Knowledge Presentation)

Merupakan visualisi dan penyajian dan pengetahuan mengenai

metode yang digunakan untuk memperoleh pengetahuan yang diperoleh

9
 10

pengguna.Tahap terakhir dari proses data mining adalah bagaimana

memformulsikan keputusan atau aksi dari hasil analisis yang didapat.

2.2.4 Pohon Keputusan

Pohon keputusan adalah Bentuk data yang diubah menjadi pohon

keputusan, Pohon keputusan berguna juga untuk menemukan hubungan antara

jumlah calon variabel input dan jumlah variabel target. Pohon keputusan juga

adalah metode yang ada pada teknik klasifikasi dalam data mining.

2.2.5 Algoritma C4.5

Algoritma C4.5 adalah satu algoritma data mining yang khususnya yang

khususnya diterapkan pada algoritma decision tree.Algoritma C4.5 ini merupakan

penyempurnaan algoritma sebelumnya yang dibentuk oleh Ross Quinlan pada

tahun 1987. Dalam algoritma ini pemilihan atribut diproses menggunakan gain

ratio. Algoritma ini menghasilkan tree dengan jumlah cabang per node bervariasi.

Algoritma ini memerlukan memerlukan variabel kontinyu sama dengan yang

dilakukan oleh CART, tetapi untuk variabel kategori algoritma C5.0

memerlukannilai variabel kategorikal sebagai spiliter. Sampel subset yang

diperoleh dari percabangan yang terbentk akan dipecah lagi setelanya. Proses

Langkah kerja pembuatan tree pada algoritma C5.0 mirip dengan

pembuatan tree algoritma C4.5 berhenti sampai perhitungan gain, maka pada nya

akan terus berlanjut sampai sempel subset tidak dapat lagi dibagi. Pada akhirnya

sampel subset yang tidak memiliki kontribusi yang besar bagi model akan ditolak.

algoritma C5.0 akan melanjutkan dengan menghitung gain ratio dengan

menggunakan gain entropu yang telah ada.

10
 11

n
Entropy (s)= ∑ −Pi∗log 2 pi
i=1

Keterangan :

S : himpunan

A : atribut

n : jumlah partisi S

pi : proporsi dari Si terhadap S

n
│ Sv │
Gain (A)=Entropi (S) -∑ ∗Entropy ( Si)
I =1 │s│

Keterangan :

S : himpunan kasus

A : fitur

n : jumlah partisi atribut A

|Si| : jumlah kasus pada partisi ke-i

|S| : jumlah kasus dalam S

2.2.6 Counfision Matriks

Confusion matriks adalah pengukuran perfoma untuk masalah

klasifikasi machine learning dimana keluaran dapat berupa dua kelas atau

lebih. Confusian matriks adalah tabel dengan 4 kombinasi berbeda dari

nilai prediksi dan nilai aktual.

Salah metode pengukuran yang paling banyak digunakan untuk

melihat performa klasifikasi pada machine larning adalah confution

11
 12

matrix.Confusion matrix merupakan sebuah metode pengukuran

menggunakan sebuah matrix dari prediksi yang akan dibandingkan dengan

kelas yang asli dari inputan. Tabel confusion matrix ditunjukkan pada

Tabel 2

Tabel 2 Counfision Matriks

Classified as

Correct Classification + -

+ True Positives (TP) False Negatives (FN)

- False Positives (FP) True Negatives (TN)

Keterangan :

- True Positive (TP) merupakan banyaknya data yang kelas aktualnya adalah

kelas positif dengan kelas prediksinya merupakan kelas positif.

- False Negative (FN) merupakan banyaknya data yang kelas aktualnya adalah

kelas positif dengan kelas prediksinya merupakan kelas negatif.

- False Positive (FP) merupakan banyaknya data yang kelas aktualnya adalah

kelas negatif dengan kelas prediksinya merupakan kelas positif.

- True Negative (TN) merupakan banyaknya data yang kelas aktualnya adalah

kelas negatif dengan kelas prediksinya merupakan kelas

negatif.

12
 13

Untuk menghitung faktor-faktor tersebut diperlukan sebuah matrik yang biasa

disebut confusion matriks.Penentuan baik atau tidaknya performa suatu model

klasifikasi dapat dilihat dari parameter pengukuran performanya, yaitu tingkat

accurasy, recall, presision dan f1-scrore.Pada kasus klasifikasi yang melibatkan

lebih dari 2 kelas (multiclass), perhitungan precision, recalldan f1-score

dilakukan secara mandiri pada setiap kelas.Nilai Akurasi merupakan tingkat

kedekatan antara nilai prediksi dengan nilai aktual.Dengan mengetahui jumlah

data yang diklasifikasikan secara benar maka dapat diketahui akurasi hasil

prediksi.nilai akurasi pada tabel confusion matriks dihitung menggunakan

persamaan (1).

TP+TN
Accuary=
TP+ TN + FP+ FN

(1)

Presisi merupakan metode pengujian dengan melakukan perbandingan

jumlah informasi relevan yang didapatkan sistem dengan jumlah seluruhinformasi

yang terambil oleh sistem baik yang relevan maupun tidak. Nilai presisi diukur

dengan menggunakan persamaan (2).

TP
Precision= (2)
TP+ FP

Recall merupakan metode pengujian yang membandingkan jumlah informasi

relevan yang didapatkan sistem dengan jumlah seluruh informasi relevan yang

ada dalam koleksi informasi (baik yang terambil atau tidak terambil oleh sistem).

Nilai recall diukur dengan menggunakan persamaan (3).

13
 14

TP
Recal= (3)
TP+ FN

f1scoreatau biasa juga disebut f-measure yaitu pengukuran yang

mengkombinasikan precision dan recall yang diterapkan ke dalam deret

harmonik. Nilai f1-score diukur dengan menggunakan persamaan (4).

2+ Precision+ Recall
f 1 score= (4)
Precision+ Recall

2.2.7 Aplikasi Orange 3

Aplikasi orange merupakan open source untuk pengolahan Data

Analystics/data mining.Orange unggul dalam hal visualisasi atau yang biasa

disebut visual proggamming. Dalam software orange menyajikan banyak wadget

yang anda letakkan pada canvas atau drawing board , kemudian hubungkan

dengan wadget-wadget lainnya yang diperlukan. Dengan demikian canvas ini

maka akan memudahkan pengguna untuk bermain dengan data dan melakukan

proses data analytic secara intuitif.

14
 15

2.2.8 Kerangka Pikir

Kerangka pikir adalah dasar pemikiran yang membuat perpaduan

antara teori dengan fakta, observasi, dan kajian pustaka yang akan

dijadikan dasar dalam penelitian seperti pada gambar dibawah ini:

Latar belakang masalah :

Kurang meratanya penyaluran beasiswa kepada siswa yang kurang
mampu, sehingga siswa yang kurang mampu tidak lanjut sekolah

Solusi :
Prediksi data siswa SMKN 3 Toraja Utara dengan algoritma C4.5

Pendekatan :
Menganalisis data dengan algoritma C4.5

Evaluasi:
Menggunakan Aplikasi Orange3

Hasil :
Model Penerima Beasiswa Berbasis Algoritma C4.5
Gambar 2. 1 Kerangka Pikir

15
 BAB III

METODOLOGI PENELITIAN

3.1 Waktu dan Lokasi Penelitian

Waktu yang digunakan untuk penelitian ini dilaksanakan pada bulan Maret

2023 sampai Agustus 2023. Lokasi pelaksanaan penelitian ini adalah di SMKN 3

Toraja Utara.

3.2 Instrumentasi (Bahan dan Alat) Penelitian

3.2.1 Bahan

Ada pun bahan yang digunakan dalam penelitian ini adalah data-data nilai

siswa SMKN 3 Toraja Utara.

3.2.2 Alat

Alat yang digunakan pada saat penelitian yaitu

1. Perangkat keras Hardware

a. Laptop dengan spesifikasi prosesor : intel Celeron N4020,up to 2.8 GHz,

Memory RAM 4 GB.

2. Perangkat Lunak

a. Sistem operasi windows

b. Aplikasi Orange 3

16
17
 18

3.1 Tahapan Penelitian

Berikut gambaran Penelitian yang digunakan peneliti sebagai berikut:

Mulai

Pengumpulan Data

Preprocessing

Identifikasi Masalah

Pembuatan Model

Evaluasi

Pembuatan Laporan

Selesai

Gambar 3.1 Tahapan Penelitian

 19

3.3.1 Pengumpulan Data

Adapun data yang diperlukan dalam penelitian ini dikumpulkan dari

beberapa sumber.Metode yang digunakan penulis dalam pengumpulan data yaitu

sebagai berikut.

a. Metode Pustaka

Pada metode ini peneliti menggunakan data dan mencari referensi dari

pustaka yang berhubungan dengan penelitian ini, baik dari beberapa buku atau

informasi yang didapatkan dari beberapa jurnal.Dalam penelitian ini , sumber data

yang digunakan untuk mendukung penelitian adalah Data Primer:

1.Data Primer

Data Primer jenis data yang diperoleh langsung dari lapangan atau data yang

diperoleh langsung dari sumbernya. Data ini diperoleh dengancara observasi

wawancara kepada pihak yang terkait dalam kepengurusan bantuan biaya

pendidikan kurang mampu.

3.3.2 Preprocessing

Pada tahap ini dilakukam preprocessing data yang telah dikumpulkan serta

membuat analisis mengenai data yang akan butuhkan.

3.3.3 Identifikasi Masalah

Merupakan bagian dari penelitian untuk mendapatkan gambaran

tentang atribut yang menjadi permasalahan dan mencarisolusi dari

permasalahan yang ada.

 20

3.3.4 Pembuatan Model

Pada tahap ini pembuatan model dilakukan dengan menginput data

mahasiswa kemudian dilakukan pengklasifikasian pada data dengan menggunakan

aplikasi Orange3.

3.3.5 Evaluasi

Pada tahap ini penulis melakukan evaluasi model untuk

mengetahui hasil pengujian yang telah dilakukan.

3.3.6 Pembuatan Laporan

Pada tahapan ini yaitu menyimpulkan hasil penelitian yang telah dilakukan

dan memberikan saran kepada pengembang selanjutnya untuk perbaikan hasil

penelitian ini.