TRUNOJOYO-Tugas Akhir-5814-1004111100058_Abstrak.pdf
Restricted to Repository staff only
Download (26kB)
TRUNOJOYO-Tugas Akhir-5814-100411100058_Cover.pdf
Restricted to Repository staff only
Download (451kB)
TRUNOJOYO-Tugas Akhir-5814-100411100058_Chapter_I.pdf
Restricted to Repository staff only
Download (252kB)
TRUNOJOYO-Tugas Akhir-5814-100411100058_Chapter_2.pdf
Restricted to Repository staff only
Download (536kB)
TRUNOJOYO-Tugas Akhir-5814-100411100058_Chapter_3.pdf
Restricted to Repository staff only
Download (616kB)
TRUNOJOYO-Tugas Akhir-5814-100411100058_Chapter_4.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-5814-100411100058_Chapter_5.pdf
Restricted to Repository staff only
Download (88kB)
TRUNOJOYO-Tugas Akhir-5814-100411100058_Reference.pdf
Restricted to Repository staff only
Download (202kB)
TRUNOJOYO-Tugas Akhir-5814-100411100058_Appendices.pdf
Restricted to Repository staff only
Download (536kB)
Abstract
Selama ini untuk menentukan penerima beasiswa hingga tahap ke tujuh masih dilakukan dengan cara manual oleh Dinas Pendidikan Kabupaten Lamongan.Pemberian beasiswa diperuntukkan untuk mahasiswa yang secara ekonomi kurang mampu untuk membayar biaya studi di perguruan tinggi. Banyaknya kriteria yang digunakan untuk penentuan pemberian beasiswa mengakibatkan sulitnya membuat keputusan pemberian beasiswa. Selain itu waktu yang dibutuhkan juga lama. Tujuan penelitian ini adalah membuat klasifikasi penerima beasiswa dengan menggunakan algoritma C4.5 salah satu metode decision tree.Dengan adanya sistem ini dapat mempermudah dan mempercepat penentuan calon penerima beasiswa. Data yang digunakan
460 data dan untuk setiap atribut dihitung menggunakan rumus gain ratio untuk menghasilkan pohon dan rule keputusan. Dari uji coba yang telah dilakukan,untuk skenario uji coba 1 menghasilkan akurasi sebesar
83,97% tanpa pruning, 84,73 % menggunakan prepruning, dan 85,5% untuk post pruning. Sedangkan skenario uji coba 2 menghasilkan 91,24% tanpa pruning, 93,55% menggunakan prepruning dan 93,90 % untuk postpruning. Untuk skenario uji coba 3 menghasilkan akurasi sebanyak
83,71% tanpa pruning, sedangkan 89,9% untuk prepruning. Dari
skenario uji coba yang dilakukan nilai akurasi yang dihasilkan setelah dilakukan pruning lebih baik dari pada tanpa pruning. Proses kalsifikasi menggunakan skenario 2 teknik prepruning digunakan sebagai acuan klasifikasi pendaftar baru, karena memiliki akurasi tertinggi sebesar
93,55%.
Keywords:Algorithm C4.5, Beasiswa, Decision tree,Klassifikasi, , Rule.
.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM TINDAWATI RAHAYU |
| Department | Informatika |
| Uncontrolled Keywords | Algorithm C4.5, Beasiswa, Decision tree,Klassifikasi, , Rule. |
| Divisions | Fakultas Teknik > S1 - Informatika |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 19 Oct 2026 11:44 |
| Last Modified | 24 Oct 2026 16:45 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/2146 |
