Skripsi/Tugas Akhir

Implementasi Data Mining Penyebab Menurunnya Minat Belajar Siswa dengan Algoritma C4.5

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Minat belajar adalah ketertarikan seseorang terhadap sesuatu hal yang kemudian mendorong orang tersebut untuk mempelajari atau menekuninya. Minat adalah salah satu faktor yang yang berkaitan erat dengan hasil belajar. Menurunnya minat belajar memberi dampak yang besar terhadap hasil belajar siswa. Ada dua faktor utama yang menentukan minat belajar, yaitu faktor internal dan faktor eksternal. Hasil survei awal pada SMPN 3 Sungguminasa menunjukkan rata-rata nilai keseluruhan siswa khusus pada mata pelajaran matematika terjadi penurunan hasil belajar sejak 2016-2021. Perlu untuk mengimplementasikan data mining untuk menentukan faktor-faktor penyebab menurunnya minat belajar siswa. Jenis penelitian ini adalah penelitian kuantitatif. Populasi data dalam penelitian ini adalah siswa SMPN 3 Sungguminasa dengan jumlah 1093 siswa. Ukuran sampel sebanyak 185 siswa yang di tentukan dengan teknik proportional stratified random sampling. Variabel-variabel penelitian terdiri dari 9 variabel yaitu: perhatian, keingintahuan, hobi, kecerdasan, gaya belajar, kesehatan psikis, aspek sekolah, aspek keluarga dan aspek masyarakat. Teknik pengumpalan data menggunakan kuesioner, observasi dan wawancara. Data kemudian disimpan kedalam bentuk file excel, di mana data memiliki dua kelas yaitu kelas tetap dan kelas menurun. Penelitian ini menggunakan algoritma C4.5 dalam pengklasifikasian serta aplikasi WEKA sebagai tools. Hasil klasifikasi dengan menggunakan WEKA menghasilkan sebuah Desicion Tree dan 15 rules, 6 diantaranya adalah rules dengan kelas menurun. Dari rules tersebut diketahui faktor utama penyebab menurunnya minat belajar siswa adalah fasilitas sekolah. Fasilitas sekolah seperti media/alat peraga yang memadai sangat menentukan kesuksesan proses belajar mengajar matematika. Kemudian disusul dengan faktor-faktor lain yaitu: kedisiplinan guru, suasana rumah, hobi siswa, keadaan ekonomi, kedisiplinan orang tua dalam mengawasi anak belajar, keingintahuan yang minim, dan faktor kecerdasan siswa. Untuk mengukur kinerja dari model yang dibangun, data di split menjadi 70% data training dan 30% data test. Hasil dari confusion matrix menunjukkan 65% accuracy, 75% precision, and 63% recall.
Kata Kunci : Data Mining, Klasifikasi, Minat Belajar, Decision Tree, Algoritma C4.5

ABSTRACT
Learning interest is a person's interest in something that then encourages the person to study or pursue it. Interest is one of the factors that are closely related to learning outcomes. Decrease interest in learning has a big impact on students' learning outcomes. In this research, there are two main factors that determined learning interest, namely internal factors and external factors. Preliminary survey results at SMPN 3 Sungguminasa showed the average overall grade of special students in math subjects decreased learning outcomes since 2016-2021. It is necessary to implement data mining to determine the factors that caused the decline in students' learning interest. The type of this research is a quantitative study. The data population in this research was conducted in SMPN 3 Sungguminasa which consist of 1093 students. The sample in this research were 185 students which determined by proportional stratified random sampling techniques. The research variables consisted of 9 variables, namely: attention, curiosity, hobbies, intelligence, learning style, psychological health, school aspects, family aspects, and community aspects. Data collection techniques used questionnaires, observations and interviews. The data saved into the form of an excel file, where the data had two classes, namely fixed classes and decreased classes. The research used the C4.5 in classification as well as WEKA application as a tool. The classification of using WEKA resulted a Desicion Tree and 15 rules, 6 of these was the rules with decreased classes. From these rules, it was known that the main factor causing the decrease in student learning interest was the school facilities. School facilities such as adequate media/props determined the success of the mathematics teaching and learning process. Then followed by other factors, namely: teacher discipline, home atmosphere, student hobbies, economic circumstances, parental discipline in supervising children's learning, minimal curiosity, and student intelligence factors. To measure the performance of the model which had built, the data was split into 70% training data and 30% test data. The results of the confusion matrix show 65% accuracy, 75% precision, and 63% recall.
Keywords: Data Mining, Classification, Learning Interest, Decision Tree, C4.5 Algorithm

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 22-45 WIC i - 0216TI

Penerbit

Makassar : Universitas DIPA., 2022

Deskripsi Fisik

xiii + 68 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 22-45

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Cetakan Maret 2022

Subjek

Skripsi/Tugas Akhir
Data Mining
Algoritma C4.5
Decision Tree

Lampiran File