IMPLEMENTASI CORRELATION BASED FEATURE SELECTION (CFS) UNTUK PENINGKATAN AKURASI ALGORITMA C4.5 DALAM PREDIKSI PERFORMA AKADEMIK MAHASISWA BERBASIS LEARNING MANAGEMENT SYSTEM

Abstract

Pandemi covid-19 pada aspek pendidikan berdampak pada sistem pembelajaran. Universitas Muhammadiyah Kalimantan Timur memanfaatkan platform OpenLearning sebagai media untuk mendukung pembelajaran secara online. Pada penelitian ini dilakukan prediksi performa mahasiswa UMKT dalam perkuliahan online menggunakan pendekatan data mining. Dataset yang di gunakan berasal dari platform OpenLearning dan Bagian Administrasi Akademik yang memuat record sebanyak 2.663 data. Penelitian ini bertujuan untuk mengidentifikasi atribut terbaik, implementasi pemodelan algoritma C4.5, dan mengevaluasi algoritma pemodelan menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa indikator yang berpengaruh antara lain time spent on course, course completed, tugas, quiz, uts dan label. Implementasi algoritma C4.5 menghasilkan pohon keputusan di node awal variabel quiz dengan rank ≤ -0.80 masuk dalam kelompok true, tetapi jika rank ≥ -0.80 masuk dalam kelompok false. Hasil akurasi menggunakan pembagian data 80% data training dan 20% data testing sebesar 97,22%.