ANALISIS DATA MINING ALGORITMA DECISION TREE PADA

PREDIKSI DATA PESERTA KESEHATAN JIWA

( STUDI KASUS: EDUCATION PRIORITY )

Disusun Sebagai Tugas Akhir

Pada Mata Kuliah Kecerdasan Bisnis

Disusun Oleh :

TOMMY SUHENDRA
20.02.03.0054
JIMMY ALGA
20.02.03.0047
DIMAS ADITYA
20.02.03.0063
FEZY ARYANI
20.02.03.0007
AYU SEPTINI
20.02.03.0032
DIAH FITRIA HANDAYANI
20.02.03.0041

Program Studi Sistem Informasi

Dosen Pembimbing : BUNGA INTAN, M.KOM

FAKULTAS ILMU TEKNIK

UNIVERSITAS BINA INSAN
TAHUN 2023
 KATA PENGANTAR

Puji syukur kami ucapkan kehadiran Allah Swt, yang telah melimpahkan
rahmat, taufik dan hidayah-Nya kepada kami, sehingga dapat menyelesaikan
Proposal Penelitian ini tepat pada waktunya. Shalawat serta salam tak lupa kita
hadiahkan kepada junjungan Nabi Muhammad SAW yang menuntun manusia dari
alam jahiliyah menuju alam yang penuh dengan peradaban manusia, sehingga
Peneliti dapat menyelesaikan Penelitian tugas akhir dengan judul "analisis data
mining algoritma decision tree pada prediksi data peserta kesehatan jiwa (studi
kasus: education priority)".
Tugas akhir ini merupakan hasil kerja keras Peneliti dalam rangka
menyelesaikan tugas pada Mata Kuliah Kecerdasan Bisnis di program Sarjana
Sistem Informasi. Penelitian tugas akhir ini bertujuan untuk menganalisis
pengolahan data kesehatan jiwa pada peserta education priority menggunakan
metode decision tree. Metode ini dipilih untuk membantu Peneliti dalam
melakukan analisis pengelolahan data pada aplikasi rapid miner.
Peneliti mengucapkan terima kasih kepada pihak-pihak yang telah
memberikan dukungan dan bantuan dalam Penelitian tugas akhir ini. Terima kasih
kepada ibu bunga yang telah memberikan arahan dan masukan yang sangat
berharga dalam menyelesaikan tugas akhir ini.
Semoga tugas akhir ini dapat memberikan manfaat yang besar bagi
pengembangan ilmu pengetahuan dan dapat menjadi acuan untuk penelitian
selanjutnya. Terakhir, Peneliti mohon maaf jika masih terdapat kekurangan dalam
Penelitian tugas akhir ini.

Lubuklinggau, Juni 2023

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR ........................................................................................... ii

DAFTAR ISI ......................................................................................................... iii

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

1.1 Latar Belakang................................................................................................. 1
1.2 Identifikasi Masalah ........................................................................................ 2
1.3 Rumusan Masalah ........................................................................................... 2
1.4 Tujuan dan Manfaat........................................................................................ 2

BAB II KAJIAN PUSTAKA ................................................................................ 3

2.1 Literatur….. ..................................................................................................... 3

BAB III METODOLOGI PENELITIAN ............................................................ 7

3.1 Metode Pengumpulan Data ............................................................................ 7
3.2 Tempat dan Waktu .......................................................................................... 9

BAB IV HASIL ........................................................................................................

4.1 Hasil……. ....................................................................................................... 10

BAB V KESIMPULAN DAN SARAN............................................................... 14

DAFTAR PUSTAKA .......................................................................................... 15

iii
 BAB I
PENDAHULUAN
1.1 Latar Belakang

Kesehatan jiwa adalah aspek yang sangat penting dalam kesejahteraan

individu [1]. Prediksi dan pemahaman mengenai faktor-faktor yang berkontribusi
terhadap kesehatan jiwa peserta memiliki nilai penting dalam upaya pencegahan
dan penanganan masalah kesehatan jiwa.
Data mining adalah teknik pengolahan data yang digunakan untuk
mengidentifikasi pola dan hubungan dalam data besar [2]. Salah satu teknik data
mining yang populer adalah algoritma decision tree. Algoritma ini digunakan
untuk memprediksi hasil berdasarkan data input. Pada studi kasus ini, akan
dilakukan analisis data mining menggunakan algoritma decision tree pada data
peserta kesehatan jiwa. Dataset yang digunakan berisi hasil dari tes peserta, yaitu
tes kesehatan jiwa, dan akan dilakukan labeling lulus dan tidak lulus
menggunakan RapidMiner dengan metode decision tree. Tujuan dari penelitian ini
adalah untuk mengetahui nilai akurasi peserta yang lulus dan tidak lulus dengan
menggunakan algoritma decision tree pada data peserta kesehatan jiwa. Dengan
demikian, hasil dari penelitian ini dapat membantu dalam pengembangan program
kesehatan jiwa yang lebih efektif dan efisien.
Penelitian ini akan menggunakan data mining dengan algoritma decision tree
untuk menganalisis data peserta kesehatan jiwa. Data yang digunakan akan
berasal dari tempat les yang memiliki program kesehatan jiwa. Data yang telah
dikumpulkan akan diproses menggunakan perangkat lunak data mining. Langkah-
langkah yang akan dilakukan adalah preprocessing data, pembuatan model
decision tree, dan evaluasi model. Preprocessing data akan dilakukan untuk
membersihkan data. Pembuatan model decision tree akan dilakukan dengan
membangun pohon keputusan yang merepresentasikan hubungan antara variabel
input dan output [3]. Evaluasi model akan dilakukan dengan menguji model pada
data yang belum pernah dilihat sebelumnya. Hasil evaluasi model akan digunakan
untuk mengetahui nilai akurasi peserta yang lulus dan tidak lulus.

1
 2

1.2 Identifikasi Masalah

Berdasarkan latar belakang masalah, adaupun idenfikasi masalah di
penelitihan ini sebagai berikut yaitu Dibutuhkan analisis data mining
algoritma decision tree pada prediksi data untuk mengetahui nilai akurasi
terhadap data peserta tes kesehatan jiwa.

1.3 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan diatas, maka rumusan
masalah dalam laporan ini adalah :
Bagaimana proses Analisis pengelolahan data kesehatan jiwa pada perserta
education priority mengunakan aplikasi rapid miner dengan mengunakan
metode desicion tree.

1.4 Tujuan dan Manfaat

1.4.1 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengetahui analisis
pengolahan data kesehatan jiwa pada peserta education priority
menggunakan metode desicion tree.

1.4.2 Manfaat dari Penelitian

1. Manfaat bagi tempat penelitian
Adapun manfaat bagi tempat penelitian adalah penelitian
diharapkan dapat memperbaiki kekurangan dan ini mempertahankan
kelebihan sistem baik secara internal maupun eksternal.
2. Manfaat bagi peneliti sendiri
Bagi penulis, penelitian ini dapat memberikan pengetahuan dan
menambah pengalaman serta untuk memenuhi syarat tugas akhir mata
kuliah kecerdasan bisnis.
 BAB II
KAJIAN PUSTAKA

2.1 Literatur
2.1. 1 Analisis
Menurut Komaruddin (2001:53) Pengertian analisis adalah
kegiatan berpikir untuk menguraikan suatu keseluruhan menjadi
komponen sehingga dapat mengenal tanda-tanda komponen,
hubungannya satu sama lain dan fungsi masing-masing dalam satu
keseluruhan yang terpadu. Menurut Harahap dalam (Azwar, 2019)
Pengertian analisis adalah memecahkan atau menguraikan sesuatu unit
menjadi unit terkecil. Dari pendapat diatas dapat ditarik kesimpulan
bahwa analisis merupakan suatu kegiatanberfikir untuk menguraikan
atau memecahkan suatu permaslaahan dari unit menjadi unit terkecil
[4].

2.1. 2 Data mining

Data mining adalah proses mencari pola atau informasi menarik
dalam data terpilih dengan menggunakan teknik atau metode tertentu.
Teknik-teknik, metode-metode, atau algoritma dalam data mining
sangat bervariasi. Pemilihan metode atau algoritma yang tepat sangat
bergantung pada tujuan dan proses Knowledge Discovery in Database
(KDD) secara keseluruhan.
Menurut Gartner Group,data mining adalah proses menemukan
hubungan baru yang mempunyai arti, pola dan kebiasaan dengan
memilah-milah sebagian besardata yang disimpan dalam media
penyimpanan dengan menggunakan teknologi pengenalan pola seperti
teknik statistik dan matematika. Data mining merupakan gabungan
dari beberapa disiplin ilmu yang menyatukan teknik dari pembelajaran
mesin, pengenalan pola, statistik, database, dan visualisasi untuk
penanganan permasalahan pengambilan informasi dari database yang

3
 4

besar [5].

2.1. 3 Algoritma
Algoritma adalah sistim kerja komputer memiliki brainware,
hardware, dan software. Tanpa salah satu dari ketiga sistim tersebut,
komputer tidak akan berguna. Kita akan lebih fokus pada
softwareckomputer. Software terbangun atas Susunan program) dan
syntax (cara penulisan/pembuatan program). Untuk menyusun
program atau syntax, diperlukannya langkah-langkah yang sistematis
dan logis untuk dapat menyelesaikan masalah atau tujuan dalam proses
pembuatan suatu software. Maka, algoritma berperan penting dalam
penyusunan program atau syntax tersebut.Pengertian algoritma adalah
susunan yang logis dan sistematis untuk memecahkan suatu masalah
atau untuk mencapai tujuan tertentu.Dalam dunia komputer, algoritrma
sangat berperan penting dalam pembangunan suatu software.Dalam
dunia sehari-hari, mungkin tanpa kita sadari algoritma telah masuk
dalam kehidupan kita [6].

2.1. 4 Decision tree

Pohon (tree) adalah sebuah struktur data yang terdiri dari simpul
(node) dan rusuk (edge). Simpul pada sebuah pohon dibedakan
menjadi tiga, yaitu simpul akar (root/node), simpul
percabangan/internal (branch/internal node) dan simpul daun (leaf
node). Pohon keputusan merupakan representasi sederhana dari teknik
klasifikasi untuk sejumlah kelas berhinga, dimana simpul internal
maupun simpul akar ditandai dengan nama atribut, rusuk-rusknya
diberi label nilai atribut yang mungkin dan simpul daun ditandai
dengan kelas-kelas yang berbeda [7].

2.1. 5 Prediksi
Prediksi/forecasting merupakan salah satu metode yang
 5

digunakan untuk memprediksi atau meramalkan suatu hal yang belum

pernah terjadi. Prediksi merupakan suatu kegiatan meramalkan secara
terstruktur mengenai sesuatu yang mungkin terjadi dimasa akan datang
yang bersumber pada informasi dari masa lalu dan sekarang yang
dimiliki, agar kesalahannya dapat diperkecil. Berdasarkan Pengertian
prediksi tersebut dapat disimpulkan bahwa Prediksi adalah suatu
kegiatan peramalan atau perkiraan suatu keadaan dimasa mendatang
untuk melakukan sebuah pengujian yang diambil dari data masa lalu
dengan tujuan meminimalisir kesalahan yang terjadi [8].

2.1. 6 Data
Secara umum, data dapat didefinisikan sebagai fakta atau gambar
yang berupa angka atau sejenisnya dan memberikan suatu informasi
yang dapat menggambarkan kesimpulan yang akan dihasilkan. Istilah
data kadang didefinisikan berbeda sesuai dengan bidangnya. Misalnya,
dalam bidang komputer didefinisikan sebagai simbol atau sinyal yang
inputan, penyimpanan dan pemrosesan data dilakukan oleh tools dalam
komputer yang output nya dapat menjadi suatu informasi yang berguna
[9].

2.1. 7 Rapid Miner

Rapid Miner adalah platform perangkat lunak yang kuat untuk
ilmu data dan pembelajaran mesin. Ini menyediakan beragam alat
untuk persiapan data, pemodelan, evaluasi, dan implementasi. Rapid
Miner dirancang untuk mudah digunakan dan memungkinkan
pengguna untuk dengan mudah membangun dan menguji berbagai
model, bahkan tanpa pengalaman pemrograman . Rapid Miner
menawarkan antarmuka drag-anddrop yang memungkinkan pengguna
untuk membangun alur kerja untuk memproses dan menganalisis data.
Ini mendukung beragam sumber data, termasuk file datar, basis data,
dan platform big data seperti Hadoop dan Spark. Perangkat lunak ini
 6

juga mencakup beragam operator yang sudah dibangun, yang

merupakan blok bangunan dari alur kerja, yang mencakup semua tahap
proses data mining, seperti pembersihan data, pemilihan fitur, dan
pemodelan [10].

2.1. 8 Kesehatan Jiwa

Kesehatan adalah keadaaan sejahtera dari fisik, mental dan sosial
yang memungkinkan setiap orang hidup produktif secara sosial dan
ekonomi (UU No. 23 tahun 1992 tentang kesehatan). Kesehatan bukan
hanya menyangkut pada aspek fisik tetapi juga menyangkut aspek
psikologis atau jiwa. Kesehatan jiwa adalah suatu kondisi sehat
emosional, psikologis, dan sosial yang terlihat dari hubungan
interpersonal yang memuaskan, perilaku dan koping yang efektif,
konsep diri yang positif, dan kestabilan emosional (Organisasi
Kesehatan Dunia WHO, 2005).
Kesehatan jiwa dirumuskan sebagai suatu bagian yang tidak
terpisahkan dari kesehatan atau bagian integral dan merupakan unsur
utama dalam menunjang terwujudnya kualitas hidup manusia yang
utuh. Suatu kondisi yang memungkinkan perkembangan fisik,
intelektual, dan emosional yang optimal dari seseorang dan
perkembangan itu selaras dengan keadaan orang lain (UU Kesehatan
Jiwa No. 3 Tahun 1996) [11].
 BAB III
METODOLOGI PENELITIAN

3.1 Metode Pengumpulan Data

Tahapan studi yang dilakukan terdiri dari : (1) Pengumpulan data , (2)
Pembersihan data , (3) Implementasi model , dan (4) Hasil dan Pembahasan
[12].

Gambar 3.1 Kerangka Berfikir

3.1. 1 Pengumpulan dan pemilihan data

1. Pengumpulan data
Metode yang digunakan dalam melakukan penelitian adalah
menganilisa hubungan keadaan data dengan melakukan
pengumpulan data dengan metode berupa :
a. Studi Literatur
Dibuat menghasilkan output penelitian yang sudah
dilakukan maupun artikel artikel yang relevan, sekaligus
membaca dan mengamati lebih dalam pendukung pendukung
Decision Tree.
b. Observasi
Secara langsung terjun untuk melakukan suatu
pengamatan pada objek data
c. Analisis dan pembahasan.
Analisis terhadap masalah yang ada, batasan yang
dimiliki dan kebutuhan yang diperlukan sehingga dapat

7
 8

dilakukan pembahasan dengan baik.

d. Implementasi
Mengimplementasikan model Klasifikasi data [13].
2. Pemilihan data
Data yang digunakan dalam studi ini merupakan data peserta
kesehatan jiwa education priority angkatan 2022. Jumlah data awal
adalah 73 data. Dalam hal ini, data yang berasal dari berbagai tabel
telah disimpan dalam satu tabel. Dalam tahap ini, ditentukan pula
atribut-atribut yang akan digunakan dalam studi.

3.1. 2 Pembersihan data

Pembersihan data merupakan langkah yang dilakukan sebelum
masuk pada proses mining pada data. Pembersihan data berisi
beberapa kegiatan yang tujuan utamanya adalah melakukan
pengenalan dan perbaikan pada data yang akan diteliti. Perlunya
perbaikan pada data yang akan diteliti disebabkan karena data mentah
cenderung tidak siap untuk di-mining. Kasus yang sering terjadi adalah
adanya missing values pada data.

3.1. 3 Implementasi model data mining

Dalam tahap implementasi ini dilakukan penerapan algoritma
model klasifikasi yang akan digunakan, yaitu menggunakan desicion
treee. Penerapan algoritma menggunakan perangkat lunak RapidMiner.
RapidMiner merupakan perangkat lunak yang bersifat open source.
RapidMiner merupakan solusi untuk melakukan analisis terhadap data
mining, text mining dan analisis prediksi. RapidMiner merupakan
perangkat lunak yang berdiri sendiri untuk analisis data dan sebagai
mesin data mining yang diintegrasikan pada produknya sendiri [12].

3.1. 4 Hasil dan Pembahasan

Hasil dari implementasi model data mining akan digunakan
 9

sebagai dasar prediksi nilai. Harus di evaluasi dan divalidasi sehingga

diketahuhi seberapa akurat nilai prediksi yang akan dilakukan .

3.2 Tempat dan Waktu

3.2.1 Tempat
Jalan Cendana Nomor 3 Kelurahan. Bandung Ujung Kecamatan.
Lubuklinggau Barat 1
3.2.2 Waktu
Waktu penelitian ini dilakukan dari Bulan Juni - Juli 2023.
Waktu penelitian kegiatan yang disajikan dalam bentuk tabel :
Tabel 3. 1 Waktu Kegiatan
Waktu Kegiatan
Jenis Kegiatan Juni 2023 Juli 2023
1 2 3 4 1 2 3 4
Pengajuan Judul
Pengumpulan Data
Pembuatan Laporan dan
Pengolahan Data
Pemaparan Hasil
 BAB IV
HASIL

4.1 Hasil
Dari data pengumuman hasil ujian kesehatan jiwa di education priority
yang terkumpul sebanyak 73 data., maka data tersebut diolah dengan
menggunakan Algoritma Decision Tree.
Tabel 4. 1 Dataset Pengumuman Hasil Ujian Kesehatan Jiwa

1. Model Algoritma Decision Tree

Model yang dirancang pada Rapid Miner menggunakan beberapa
operator yaitu Split Data, Decision Tree, Apply Model, dan Performance.
Berikut Model Algoritma Decision Tree pada Rapid Miner terdapat pada
Gambar 4.1. Pada Gambar 4.1 terdapat beberapa operator seperti operator
Retrieve Data yang merupakan data yang dipakai untuk proses Data
Mining.

10
 11

Gambar 4. 1 Model Algoritma Decision Tree

Operator Split Data digunakan untuk membagi data menjadi partisi
dengan ratio 80 dan 20. Operator Decision Tree digunakan untuk membuat
model Decision Tree yang merupakan model yang ada pada penelitian ini.
Operator Apply Model digunakan untuk menerepkan model Decision Tree
pada dataset. Operator Performance digunakan untuk evaluasi kinerja dari
model yang diterapkan.
2. Model Tree
Model Tree merupakan struktur pohon yang dihasilkan dari proses
data SKD menggunakan Algoritma Decision Tree di Rapid Miner.

Gambar 4.2 Proses Decision Tree Untuk Mencari Pohon Keputusan

Berikut Model Tree dari Algoritma Decision Tree di Rapid Miner dapat
dilihat pada Gambar 4.3. Pada Gambar 4.3 merupakan model tree yang
didapatkan dari proses yang dilakukan di Rapid Miner. Sehingga
menghasilkan model pohon keputusan yang dapat dilihat pada gambar 4.3.
 12

Gambar 4. 3 Model Pohon Keputusan / Model Tree

Tujuan utama dari menganalisis data dengan menggunakan algoritma
Decision Tree ini adalah ingin mendapatkan rule, yang akan dimanfaatkan
untuk pengambilan keputusan pada data baru. Adapun rule yang didapat
adalah:
1. Jika nilai II >1395 maka peserta lulus
2. Jika nilai II <1395 maka peserta tidak lulus
Setelah mendapatkan model dan rule, langkah selanjutnya pengujian data yang
dimana memasukan apply model dan performance.

Gambar 4. 4 Proses Penguji

 13

Hasil dari proses pengujian diatas menghasilkan sebagai berikut:

Gambar 4. 5 Hasil Proses Uji

Dari hasil proses pengujian diatas dapat dilihat bahwa nilai akurasi yang
didapatkan adalah 88.89% dimana model cukup baik dalam hasil prediksi.
 BAB V
KESIMPULAN DAN SARAN

A. Kesimpulan
Berdasarkan seluruh hasil tahapan penelitian yang telah dilakukan
pada analisis data mining algoritma decision tree pada peserta kesehatan
jiwa dapat disimpulkan dari data pengumuman hasil ujian kesehatan jiwa
dapat dihasilkan sebuah dataset yang dapat diproses dan menghasilkan rule
untuk menjadi acuan dalam melakukan peserta kesehatan jiwa. Dengan
total data yang digunakan sebanyak 73 data dengan variabel nama, nilai 1,
nilai 2, dan valid/tidak valid dengan menghasilkan 60 data yang valid
sehingga perlu dilakukan persediaan oleh peserta kesehatan jiwa
berdasarkan hasil yang di peroleh dari pohon keputusan . Berdasarkan
hasil pengujian rapidminer diperoleh hasil yang sama dengan analisis
perhitungan algoritma C4.5 dimana diperoleh tingkat akurasinya sebesar
88.89%.
B. Saran
Adapun saran untuk penelitian ini adalah sebagai berikut :
1. Pada penelitian selanjutnya dapat mencoba menggunakan dataset yang
berbeda dan dengan jumlah data yang lebih besar lagi sehingga nilai
data selanjutnya yang dihasilkan dapat menghasilkan tingkat akurasi
yang lebih tinggi.
2. Penelitian ini disarankan dapat menjadi bahan referensi yang
dipergunakan dan dikembangkan untuk penenlitian selanjutnya.

14
 DAFTAR PUSTAKA

[1] A. W. Putri, B. Wibhawa, and A. S. Gutama, “Kesehatan Mental

Masyarakat Indonesia (Pengetahuan, Dan Keterbukaan Masyarakat
Terhadap Gangguan Kesehatan Mental),” Pros. Penelit. dan Pengabdi.
Kpd. Masy., vol. 2, no. 2, pp. 252–258, 2015, doi:
10.24198/jppm.v2i2.13535.
[2] F. Dwi Meliani Achmad, Budanis, Slamat, “Klasifikasi Data Karyawan
Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree,” J.
IPTEK, vol. 16, no. 1, pp. 18–23, 2012, [Online]. Available:
http://jurnal.itats.ac.id/wp-content/uploads/2013/06/3.-BUDANIS-FINAL-
hal-17-23.pdf
[3] M. Rizki, D. Devrika, I. H. Umam, and F. S. Lubis, “Aplikasi Data Mining
dalam Penentuan Layout Swalayan dengan Menggunakan Metode MBA,”
J. Tek. Ind. J. Has. Penelit. dan Karya Ilm. dalam Bid. Tek. Ind., vol. 5, no.
2, p. 130, 2020, doi: 10.24014/jti.v5i2.8958.
[4] Y. Septiani, E. Aribbe, and R. Diansyah, “ANALISIS KUALITAS
LAYANAN SISTEM INFORMASI AKADEMIK UNIVERSITAS
ABDURRAB TERHADAP KEPUASAN PENGGUNA
MENGGUNAKAN METODE SEVQUAL (Studi Kasus : Mahasiswa
Universitas Abdurrab Pekanbaru),” J. Teknol. Dan Open Source, vol. 3, no.
1, pp. 131–143, 2020, doi: 10.36378/jtos.v3i1.560.
[5] Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5
Data mining merupakan bagian dari tahapan proses Knowledge Discovery
in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, no.
2, pp. 213–219, 2019.
[6] G. G. Maulana, “Pembelajaran Dasar Algoritma Dan Pemrograman
Menggunakan El-Goritma Berbasis Web,” J. Tek. Mesin, vol. 6, no. 2, p. 8,
2017, doi: 10.22441/jtm.v6i2.1183.
[7] A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi
Produk Laris,” J. Ilm. Ilmu Komput., vol. 7, no. 2, pp. 45–51, 2021, doi:

15
 16

10.35329/jiik.v7i2.203.
[8] S. P. Dewi, N. Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk
Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest
Neighbor,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 639–648,
2022, doi: 10.47065/bits.v3i4.1408.
[9] A. Mathematics, “済無No Title No Title No Title,” pp. 1–23, 2016.
[10] M. R. Nahjan, N. Heryana, and A. Voutama, “Implementasi Rapidminer
Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko
Oj Cell,” J. Mhs. Tek. Inform., vol. 7, no. 1, pp. 1–4, 2023.
[11] J. Sari, “Hubungan Antara Pemaafan Dengan Kesehatan Jiwa Pada
Mahasiswa Fakultas Psikologi UIN Suska Riau.,” Univ. Islam Negeri
Sultan Syarif Kasim Riau., no. 3, pp. 8–12, 2017.
[12] P. Mayadewi and E. Rosely, “Prediksi Nilai Proyek Akhir Mahasiswa
Menggunakan Algoritma Klasifikasi Data Mining,” Semin. Nas. Sist. Inf.
Indones., no. 2014, pp. 329–334, 2015.
[13] F. A. Sianturi, “Analisa Decision Tree Dalam Pengolahan Data Siswa,”
MEANS (Media Inf. Anal. dan Sist., vol. 3, no. 2, pp. 166–172, 2018, doi:
10.54367/means.v3i2.287.
.