Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 Penerapan Algoritma C4.
5 Untuk Klasifikasi Tingkat Pemahaman Siswa Pada Mata Pelajaran Matematika Dinda Zhila Azhari1,*.
Irfan Sudahri Damanik2.
Dedi Suhendro3
1,2,3
Program Studi Sistem Informasi.
STIKOM Tunas Bangsa.
Pematang Siantar.
Indonesia Email: 1dindazhilaazhari@gmail.
com, 2irfansudahridamanik@amiktunasbangsa.
id, 3dedisuhendro@amiktunasbangsa.
(*: dindazhilaazhari@gmail.
Abstrak Mata pelajaran matematika merupakan salah satu pelajaran yang penting bagi siswa yang mempunyai peran cukup besar dalam dunia Matematika merupakan ilmu yang perlu dipahami setiap orang, terutama siswa yang masih berada pada jenjang Kemampuan pemahaman matematika dapat mencapai tujuan pembelajarannya apabila dapat memahami konsep dengan Penelitian ini bertujuan untuk mengklasifikasikan konsep pemahaman siswa pada mata pelajaran matematika siswa SMA Swasta Tamansiswa Tapian Dolok.
Dalam dunia pendidikan matematika sering dianggap sebagai mata pelajaran yang sulit untuk dipahami karena matematika selalu berhubungan dengan angka, rumus, dan hitung-menghitung.
Banyaknya rumus dan konsep yang harus dipahami, membuat siswa kesulitan dalam menyelesaikan persoalan pada materi yang ada.
Sumber data diperoleh dari hasil kuesioner pemahaman matematika siswa SMA Swasta Tamansiswa Tapian Dolok.
Metode yang digunakan dalam penelitian ini yaitu Data Mining dengan Algoritma C4.
5 dan dibantu dengan software RapidMiner.
Data Mining merupakan proses yang digunakan untuk mengidentifikasi informasi yang bermanfaat dari berbagai database berjumlah besar.
Algoritma C4.
5 merupakan algoritma yang digunakan untuk membentuk decision tree berdasarkan training data.
Atribut yang digunakan yaitu minat belajar siswa, komunikasi, cara belajar siswa, suasana pembelajaran, media pembelajaran, dan cara mengajar guru.
Hasil Perhitungan nilai entropy dan gain diperoleh 18 rule keputusan pemahaman siswa pada mata pelajaran matematika dengan 9 rules berstatus paham dan 9 rules berstatus tidak paham.
Pemodelan klasifikasi dengan Algoritma C4.
5 pada Rapidminer diperoleh akurasi sebesar 95.
Kata Kunci: Data Mining.
Algoritma C4.
Klasifikasi.
Pemahaman Siswa.
Matematika Abstract Mathematics is one of the important subjects for students who have a large enough role in the world of education.
Mathematics is a science that needs to be understood by everyone, especially students who are still at the level of education.
The ability to understand mathematics can achieve its learning objectives if it can understand the concept well.
This study aims to classify the concept of students' understanding of mathematics subjects at Tamansiswa Tapian Dolok Private High School students.
In the world of mathematics education is often considered a difficult subject to understand because mathematics is always associated with numbers, formulas, and arithmetic.
The number of formulas and concepts that must be understood makes it difficult for students to solve problems in the existing material.
The source of the data was obtained from the results of the questionnaire on the mathematical understanding of the Tamansiswa Tapian Dolok private high school students.
The method used in this study is Data Mining with the C4.
5 Algorithm and assisted by RapidMiner software.
Data Mining is a process used to identify useful information from a large number of databases.
C4.
5 algorithm is an algorithm used to form a decision tree based on training data.
The attributes used are student learning interest, communication, student learning methods, learning atmosphere, learning media, and teacher teaching The results of the calculation of the entropy and gain values obtained 18 rules for student understanding decisions in mathematics subjects with 9 rules with the status of understanding and 9 rules of not understanding.
Classification modeling with the C4.
5 Algorithm on Rapidminer obtained an accuracy of 95.
Keywords: Data Mining.
C4.
5 Algorithm.
Classification.
Student Understanding.
Mathematics PENDAHULUAN Mata pelajaran matematika merupakan mata pelajaran yang wajib dipelajari mulai dari Sekolah Dasar sampai dengan Perguruan Tinggi.
Menurut .
AoMata pelajaran matematika merupakan ilmu dasar serta pendukung ilmu pengetahuan di bidang lain, seperti fisika, ekonomi, biologi yang tidak terlepas dari peran matematikaAo.
Banyak siswa yang kurang paham dalam belajar matematika.
Salah satu penyebabnya, sebagian siswa masih menganggap matematika sebagai mata pelajaran yang sulit bila dibandingkan dengan mata pelajaran yang lain.
Matematika merupakan ilmu pasti yang berkaitan dengan angka yang diperlu dipahami setiap orang, terutama siswa yang masih berada pada jenjang Pembelajaran matematika siswa diharapkan dapat menumbuhkan kemampuan pemahaman sehingga dapat berpikir kritis, logis, sistematis, cermat dan efisien dalam memecahkan masalah .
Pada siswa SMA Swasta Tamansiswa Tapian Dolok, matematika merupakan mata pelajaran yang dianggap sulit bila dibandingkan dengan mata pelajaran lain.
Matematika sering dianggap sulit oleh siswa karena para siswa sudah berpikir bahwa matematika selalu berhubungan dengan angka, rumus, dan hitung-menghitung.
Banyaknya rumus dan konsep yang harus dipahami, sehingga membuat siswa merasa kesulitan dalam menyelesaikan soal pada materi yang ada.
Kebanyakan siswa hanya memahami soal yang dikerjakan guru sebagai contoh, ketika bentuk soal sedikit berbeda dari contoh, para siswa sulit untuk menyelesaikan soal pada materi yang ada.
Hal ini karena para siswa kurang memahami konsep pada materi tersebut .
Berdasarkan permasalahan di atas penulis menggunakan teknik data mining klasifikasi dengan Algoritma C4.
untuk mendapatkan solusi yang lebih efisien pada tingkat pemahaman siswa terhadap mata pelajaran matematika .
, .
Algoritma C4.
5 dapat digunakan untuk meneliti berbagai macam hal, diantaranya penelitian terkait penentuan FATIMAH: Penerapan Teknologi dan Sistem Komputer Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 https://ejurnal.
id/index.
php/fatimah/index tingkat pemahaman mahasiswa terhadap matakuliah diperoleh hasil penelitian sebanyak 14 rules dengan 9 rules berstatus paham dan 5 rules berstatus tidak paham dengan tingkat akurasi sebesar 87,10% (Rofiqo et al.
, 2.
Penelitian yang dilakukan oleh (Saputra et al.
, 2.
yaitu Klasifikasi dengan konsep data mining dengan melibatkan sebanyak 100 data siswa di SMA YPI Swasta Dharma Budi menghasilkan 20 rules dan tingkat akurasi yang dihasilkan oleh metode tersebut adalah 86.
Menurut .
AoData mining disebut juga dengan Knowledge Discovery in Database (KDD) ataupun pattern recognition digunakan untuk memanfaatkan data dalam basis data dengan mengolahnya sehingga menghasilkan informasi baru yang berguna .
Pattern recognition digunakan sebagai pengolahan data untuk menemukan pola tersembunyi dari data yang diolahAo.
Menurut Ina, .
AoAlgoritma C4.
5 merupakan salah satu algoritma yang digunakan untuk membentuk decision tree berdasarkan training data.
Algoritma C4.
5 mempunyai input berupa training samples dan samples.
Training samples berupa data contoh yang akan digunakan untuk membangun sebuah tree yang telah diuji kebenarannya, sedangkan untuk samples merupakan field data yang nantinya akan gunakan sebagai parameter dalam melakukan klasifikasi dataAo .
, .
Berdasarkan latar belakang tersebut, maka diusulkan penelitian ini dengan tujuan untuk mengklasifikasikan tingkat pemahaman siswa pada mata pelajaran matematika siswa SMA Swasta Tamansiswa Tapian Dolok.
Hasil dari penelitian diharapkan dapat dijadikan sebagai bahan pertimbangan khususnya bagi pihak sekolah, guru maupun siswa untuk mengambil beberapa tindakan dalam meningkatkan prestasi belajar siswa pada mata pelajaran matematika, sehingga dapat memberikan kontribusi tentang konsep pemahaman siswa pada mata pelajaran matematika yang dapat membantu dalam meningkatkan pemahaman matematika.
Selain itu hasil penelitian ini dapat menjadi acuan untuk penelitian lain dengan topik yang sama.
METODOLOGI PENELITIAN
Metode Penelitian Penelitian ini dilakukan untuk mengimplementasikan data mining untuk klasifikasi tingkat pemahaman siswa pada mata pelajaran matematika di SMA Swasta Tamansiswa Tapian Dolok menggunakan Algoritma C4.
5 agar dapat digunakan sebagai salah satu keputusan untuk meningkatkan prestasi siswa di bidang akademik.
Pada metodologi penelitian ini akan diuraikan proses cara ilmiah untuk mendapatkan data yang akan digunakan dalam penelitian pemecahan suatu masalah.
Metodologi penelitian ini di mulai dengan menggambarkan bagaimana mengumpulkan data yang digunakan.
Gambaran terkait pengumpulan data yang dibahas meliputi lokasi penelitian, waktu pengumpulan data dan data yang akan digunakan.
Alur dari proses penelitian digambarkan dalam bentuk diagram penelitian yang selanjutnya diperkuat dengan penjelasan terkait tahapan penelitian yang dilakukan.
Rancangan Penelitian Rancangan penelitian digunakan untuk menguraikan dan menyelesaikan masalah dalam penelitian.
Rancangan penelitian dapat dilihat pada Flowchart berikut ini .
, .
Mulai Analisa Masalah Mempelajari Literatur Pengumpulan Data Menetapkan Metode Mengolah Data di Excel Pengujian RapidMiner Pohon Keputusan Kesimpulan Selesai Gambar 1.
Rancangan Penelitian Dinda Zhila Azhari | Page 12 FATIMAH: Penerapan Teknologi dan Sistem Komputer Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 https://ejurnal.
id/index.
php/fatimah/index Pada Gambar diatas menjelaskan rancangan penelitian yang dilakukan untuk mengklasifikasi tingkat pemahaman siswa pada mata pelajaran matematika dengan menggunakan Algoritma C4.
5 yang terdiri dari .
, .
Analisa Masalah Analisa masalah merupakan langkah untuk memahami masalah yang telah di tentukan pada ruang lingkup ataupun Dengan melakukan analisis suatu masalah yang di tentukan, diharapkan agar dapat melakukan penelitian dengan lebih baik.
Menganalisis masalah terkait pemahaman siswa pada mata pelajaran matematika.
Mempelajari Literatur Penelitian ini harus didasari rujukan yang digunakan untuk mendapatkan informasi dan teori yang akan digunakan dalam penelitian.
Pengumpulan Data Data dikumpulkan dengan menggunakan kuesioner yang diisi oleh siswa SMA Swasta Tamansiswa Tapian Dolok.
Menetapkan Metode Pada penelitian ini penulis menggunakan teknik data mining klasifikasi dengan Algoritma C4.
5 untuk mencari solusi permasalahan penelitian.
Mengolah Data di Excel Mengelola data dengan Data Transformation Servis (DTS) yaitu dari bentuk kuesioner dipindahkan kedalam bentuk Microsoft Excel (.
Pengujian RapidMiner Melakukan pengujian data dengan menggunakan aplikasi RapidMiner versi 5.
3 dengan Algoritma C4.
Pohon Keputusan Rule dan Pohon keputusan adalah hasil dari informasi pengujian data kuesioner di RapidMiner menggunakan Algoritma C4.
Kesimpulan Kesimpulan yang diperoleh dari klasifikasi tingkat pemahaman siswa terhadap mata pelajaran matematika memberikan keputusan yang dapat dijadikan sebagai rekomendasi dalam meningkatkan kualitas pembelajaran dan prestasi siswa dibidang akademik.
Prosedur Pengumpulan Data Teknik pengumpulan data merupakan langkah paling strategis dalam penelitian, karena tujuan utama dari penelitian adalah mendapatkan data dan menghasilkan informasi baru.
Prosedur pengumpulan data yang digunakan penulis dalam penelitian ini yaitu .
Penelitian Kepustakaan (Library Researc.
yaitu memanfaatkan perpustakaan sebagai sarana dalam mengumpulkan data dengan mempelajari karya-karya ilmiah yang berkaitan dengan metode data mining klasifikasi C4.
5 seperti jurnal, artikel, buku, serta sumber ilmiah lain untuk dijadikan bahan referensi.
Penelitian Lapangan (Field Work Researc.
yaitu penelitian yang dilakukan secara langsung dilapangan dengan menggunakan beberapa teknik dan cara sebagai berikut :
Kuesioner Penulis memberikan kuesioner kepada siswa SMA Swasta Tamansiswa Tapian Dolok mengenai pertanyaan yang berhubungan dengan pemahaman siswa pada mata pelajaran matematika.
Studi Literatur Penulis memperoleh informasi dengan mengumpulkan data, mempelajari data, dan mencari referensi terkait dengan kasus penelitian.
Analisis Data Pada tahap ini menjelaskan suatu proses atau upaya pengolahan data menjadi sebuah informasi baru agar karakteristik data menjadi lebih mudah dimengerti dan berguna untuk solusi suatu permasalahan, serta dijelaskan dengan beberapa langkah atau bentuk alur agar mudah di pahami.
Dalam penelitian ini data yang digunakan akan diolah dari hasil kuesioner, yang diberikan kepada siswa SMA Swasta Tamansiswa Tapian Dolok.
Dalam penelitian ini digunakan perhitungan sampel menurut Rumus Slovin.
Menurut Sugiyono .
alam Nurhadi.
Zikri Fachrul & Mujianto, 2.
AoRumus Slovin adalah sebuah rumus untuk mendapatkan sampel yang lebih pasti atau mendekati populasi yang Teknik pengambilan sampel tidak memberikan peluang atau kesempatan yang sama bagi setiap anggota populasi untuk dipilih menjadi sampelAo.
Keterangan :
: Ukuran sampel : Ukuran Populasi : Margin of error Berdasarkan Rumus Slovin, maka data siswa SMA Swasta Tamansiswa Tapian Dolok adalah 437 orang dalam sebuah populasi, kita bisa tentukan minimal sampel yang akan diteliti.
Margin of error yang ditetapkan adalah 5% atau 0,05.
n= N/(.
( Nye^2 ))) .
Dinda Zhila Azhari | Page 13 FATIMAH: Penerapan Teknologi dan Sistem Komputer Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 https://ejurnal.
id/index.
php/fatimah/index n= 437/(.
( 437yAn0,05A^2 ))) n= 437/(.
( 437y0,0.
)) n= 437/.
1,0.
n= 437/2,0925 n= 208 Dari hasil kuesioner yang dilakukan penulis mengambil sampel data sebanyak 208 responden dari siswa SMA Swasta Tamansiswa Tapian Dolok.
Pada penelitian ini digunakan 6 atribut dalam melakukan klasifikasi terhadap tingkat pemahaman siswa pada mata pelajaran matematika yaitu :
Minat Belajar Siswa (C.
, merupakan keinginan atau ketertarikan dalam diri siswa tehadap mata pelajaran .
Komunikasi (C.
, merupakan faktor antara siswa dan guru sehingga mempengaruhi siswa memahami mata pelajaran matematika.
Cara Belajar Siswa (C.
, merupakan tindakan siswa yang dilakukan dalam proses pembelajaran agar memperoleh pemahaman pada mata pelajaran matematika .
Suasana Pembelajaran (C.
, merupakan suasana kelas yang dapat memudahkan siswa memahami materi yang diberikan guru.
Media Pembelajaran (C.
, merupakan alat bantu yang digunakan guru untuk menyampaikan materi agar materi yang disampaikan lebih mudah dipahami.
Cara Mengajar Guru (C.
, merupakan proses penyampaian materi yang diberikan oleh guru yang berpengaruh pada pemahaman siswa.
Kuesioner yang diperoleh selanjutnya dilakukan pencarian rata-rata dari setiap pertanyaan yang mewakili atribut yang digunakan.
Data kuesioner yang digunakan menggunakan jenis statistik deskriptif dengan kuesioner yang diberikan menggunakan skala linker 4 yang terdiri dari Sangat Paham.
Paham.
Cukup Paham, dan Tidak Paham.
Data hasil dari kuesioner selanjutnya diolah menggunakan RapidMiner yang berfungsi sebagai validasi dan reabilitas data untuk mencari keakuratan data.
Data yang akurat dilakukan pengolahan data untuk mencari hasil dari masalah penelitian dengan menggunakan RapidMiner versi 5.
3 dan mengambil keputusan dari hasil klasifikasi dengan Algoritma C4.
Berikut ini sampel data hasil rekapitulasi kuesioner yang diolah di Microsoft Excel pada Tabel berikut:
Tabel 1.
Data Hasil Rekapitulasi Kuesioner Penelitian Responden
Minat Belajar Siswa
Komunikasi
Cara Belajar Siswa
Suasana
Pembelajaran Media Pembelajaran R10
R11
R12
R13
R14
R15
R16
R17
R18
R19
R20
R208
Paham Tidak Paham Cukup Paham Paham Paham Sangat Paham Paham Cukup Paham Tidak Paham Cukup Paham Tidak Paham Sangat Paham Cukup Paham Cukup Paham Tidak Paham Sangat Paham Paham Cukup Paham Cukup Paham Paham Paham Paham Cukup Paham Cukup Paham Cukup Paham Cukup Paham Sangat Paham Cukup Paham Cukup Paham Cukup Paham Cukup Paham Cukup Paham Paham Cukup Paham Paham Cukup Paham Paham Sangat Paham Cukup Paham Cukup Paham Paham Sangat Paham Cukup Paham Cukup Paham Tidak Paham Paham Paham Paham Cukup Paham Cukup Paham Tidak Paham Tidak Paham Cukup Paham Cukup Paham Cukup Paham Paham Cukup Paham Cukup Paham Sangat Paham Tidak Paham Cukup Paham Cukup Paham Paham Cukup Paham Paham Cukup Paham Paham Paham Cukup Paham Paham Paham Paham Cukup Paham Paham Paham Paham Paham Paham Paham Sangat Paham Paham Paham Paham Paham Sangat Paham Cukup Paham Cukup Paham Cukup Paham Cukup Paham Sangat Paham Paham Paham Cukup Paham Paham Cukup Paham Cukup Paham Sangat Paham Cukup Paham Cukup Paham Cukup Paham Sangat Paham Paham Paham Cukup Paham Sangat Paham Cara Mengajar Guru Paham Tidak Paham Paham Paham Cukup Paham Cukup Paham Cukup Paham Paham Cukup Paham Tidak Paham Cukup Paham Cukup Paham Cukup Paham Tidak Paham Cukup Paham Cukup Paham Cukup Paham Cukup Paham Cukup Paham Cukup Paham Cukup Paham Hasil Paham Tidak Paham Tidak Paham Paham Paham Paham Paham Paham Paham Tidak Paham Tidak Paham Paham Paham Tidak Paham Tidak Paham Paham Paham Tidak Paham Paham Paham Paham Alat Analisis Data Pada penelitian ini penulis menggunakan aplikasi Microsoft Excel 2010 dan RapidMiner versi 5.
3 sebagai alat untuk menganalisis data.
Microsoft Excel digunakan untuk membantu dalam proses pengolahan data dan melakukan proses perhitungan dengan algoritma C4.
Penulis menggunakan aplikasi RapidMiner untuk melakukan uji validitas untuk melihat keakuratan hasil yang diperoleh dari Microsoft Excel.
Instrumen Penelitian Pada penelitian ini, penulis melakukan transformasi data kuesioner dalam beberapa dataset berbentuk spreadsheet file excel 2010.
Transformasi data ini diperlukan sebagai input untuk pengujian pada Rapidminer yang dilakukan dalam penelitian ini.
Instrumen penelitian dapat dilihat pada Gambar berikut.
Dinda Zhila Azhari | Page 14 FATIMAH: Penerapan Teknologi dan Sistem Komputer Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 https://ejurnal.
id/index.
php/fatimah/index Data Kuesioner <<extends>> Transformasi Data Excel (.
<<include>> Actor Proses Klasifikasi dengan Algoritma C4.
<<extends>> Pengujian RapidMiner Hasil dan Kesimpulan Gambar 2.
Instrumen Penelitian Pemodelan Metode Moora Dalam penelitian ini penulis menggunakan teknik klasifikasi data mining dengan Algoritma C4.
5 dan melakukan pengujian di RapidMiner.
Berikut ini pemodelan yang penulis gunakan dalam penelitian ini.
Metode yang digunakan pada penelitian ini adalah algoritma C4.
Dalam pemodelan algoritma C4.
5 dilakukan pada sampel dataset, kemudian menghitung entrophy (S) dari keseluruhan atribut, setelah entrophy (S) ditemukan kemudian perhitungan Gain tertinggi dari seluruh atribut, atribut yang memiliki Gain tertinggi yang akan digunakan sebagai akar/node.
Selanjutnya buat cabang untuk tiap nilai, bagi kasus dalam cabang, ulangi perhitungan Gain sampai semua data masuk kedalam kelas yang sama.
Atribut yang telah dipilih tidak lagi dibutuhkan dalam perhitungan, proses pembentukan pohon keputusan terhenti jika sudah tidak ada lagi atribut yang dipartisi dan semua tuple dalam node N telah memiliki kelas yang sama.
Dalam kasus dataset pada penelitian ini terdiri dari 2 kelas keterangan yaitu paham dan tidak paham.
Berikut adalah diagram alur kerja pemodelan Algoritma C4.
Start Input Data Menghitung Entropy Menghitung Gain Pohon Keputusan Paham Tidak Paham End Gambar 3.
Flowchart Metode C4.
HASIL DAN PEMBAHASAN
Hasil Hasil akhir dari penerapan Algoritma C4.
5 dibagi ke dalam dua tahap yaitu proses perhitungan manual menggunakan Microsoft Excel dan penyesuaian hasil perhitungan melalui pengujian data menggunakan software RapidMiner 5.
Data yang digunakan adalah data hasil kuesioner sebagai input untuk membuat model aturan menggunakan Algoritma C4.
Pohon keputusan digunakan untuk membuat model aturan yang akan dipilih dalam pengambilan keputusan.
Berikut ini tahapan pengolahan data dengan Algoritma C4.
5 untuk memperoleh model aturan pohon keputusan tingkat pemahaman siswa pada mata pelajaran matematika sesuai data hasil kuesioner yang diperoleh.
Proses Perhitungan Algoritma C4.
Perhitungan Algoritma C4.
5 untuk memperoleh model aturan pohon keputusan dapat diuraikan sebagai berikut:
Dinda Zhila Azhari | Page 15 FATIMAH: Penerapan Teknologi dan Sistem Komputer Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 https://ejurnal.
id/index.
php/fatimah/index Langkah 1: Menghitung jumlah kasus, jumlah kasus untuk keputusan Paham, jumlah kasus untuk keputusan Tidak Paham.
Lngkah 2: Menghitung Entropy dari semua kasus dan kasus yang dibagi berdasarkan kelas atribut.
Selanjutnya dilakukan perhitungan Gain untuk masing-masing atribut.
Berikut ini adalah perhitungan nilai entropy dan gain.
Menghitung entropy total :
Entropy [Tota.
Entropy [Tota.
= 0,97578821 Menghitung entropy dan gain Minat Belajar Siswa :
Entropy [Minat Belajar Siswa Ae Sangat Paha.
= 0 Entropy [Minat Belajar Siswa Ae Paha.
= 0 Entropy [Minat Belajar Siswa Ae Cukup Paha.
= ( )) ( ( )) = 0,892623013 Entropy [Minat Belajar Siswa Ae Tidak Paha.
= ( )) ( ( )) = 0,487917993 Gain [Total.
Minat Belajar Sisw.
= 0,97578821 (( )) = 0,460485707 AA.
Hingga Perhitungan entropy dan gain Cara Men :
Berikut ini hasil perhitungan nilai entropy dan gain yang diuraikan pada tabel berikut.
Tabel 2.
Perhitungan Node 1
Node 1
Jumlah (S) Paham
Tidak Paham
Entrophy 0,97578821 Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,89262301
0,48791799
Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,8395305
0,99938797
0,8812909
Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,87493159
0,87018834
0,69621226
Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,92137965
0,98522814
Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,24988229
0,9839394
0,97244972
Sangat Paham
Paham
Cukup Paham
0,84535094
0,82635417
0,93893201
Total
Minat Belajar Siswa
Information Gain
0,460485707
Komunikasi
0,125733777
Cara Belajar Siswa
0,156520273
Suasana Pembelajaran 0,170242097 Media Pembelajaran 0,142297315 Cara Mengajar Guru
0,218903536
Langkah 3: Dari hasil Perhitungan pada Tabel 2.
diperoleh nilai atribut tertinggi adalah Minat Belajar Siswa dengan gain sebesar 0,460485707.
Maka atribut Minat Belajar Siswa dipilih sebagai node akar.
Nilai kelas atribut Sangat Paham dan Paham mengklasifikasikan kasus menjadi satu keputusan yaitu Paham.
Untuk kelas atribut Cukup Paham dan Tidak Paham belum diperoleh hasil antara keputusan Paham atau Tidak Paham, maka perlu dilakukan perhitungan lebih lanjut.
Berikut ini hasil perhitungan dari kelas atribut Minat Belajar Siswa = Cukup Paham yang ditunjukan pada Tabel berikut ini:
Dinda Zhila Azhari | Page 16 FATIMAH: Penerapan Teknologi dan Sistem Komputer Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 https://ejurnal.
id/index.
php/fatimah/index Tabel 3.
Perhitungan Node 1.
Node 1.
Minat Belajar Siswa-Cukup Paham
Komunikasi
Jumlah (S) Paham
Tidak Paham
Entrophy 0,89262301 Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,75537541
0,96870034
Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,89805879
Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,85240518
0,98337619
Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,39124356
0,87398105
0,95176268
Sangat Paham
Paham
Cukup Paham
Tidak Paham
0,91829583
0,45868582
0,85240518
Information Gain
0,074590243
Cara Belajar Siswa
0,518431849
Suasana Pembelajaran 0,140980148 Media Pembelajaran 0,081751399 Cara Mengajar Guru
0,29243704
Perhitungan dilakukan hingga hasil keputusan akhir yang terbentuk pada node terakhir dengan atribut Komunikasi sebagai node cabang.
Dari hasil tersebut diketahui semua kasus sudah masuk kedalam kelas.
Dari perhitungan node terkahir nnti akan didapat terdapat 18 .
elapan bela.
rules yang dapat dijadikan sebagai referensi dalam menentukan tingkat pemahaman siswa pada mata pelajaran matematika.
Adapun aturan atau rule yang terbentuk berdasarkan pohon keputusan pada Gambar 4.
9 diatas yaitu 9 .
rules keputusan Paham dan 9 .
rules keputusan Tidak Paham dijelaskan melalui teks narasi sebagai berikut:
Jika Minat Belajar Siswa = Cukup Paham dan Cara Belajar Siswa = Cukup Paham, maka hasilnya Paham {Paham = 34.
Tidak Paham = .
Jika Minat Belajar Siswa = Cukup Paham.
Cara Belajar Siswa = Paham dan Cara Mengajar Guru = Cukup Paham, maka hasilnya Paham {Paham = 8.
Tidak Paham = .
Jika Minat Belajar Siswa = Cukup Paham.
Cara Belajar Siswa = Paham dan Cara Mengajar Guru = Paham, maka hasilnya Paham {Paham = 12.
Tidak Paham = .
Jika Minat Belajar Siswa = Cukup Paham.
Cara Belajar Siswa = Paham.
Cara Mengajar Guru = Sangat Paham dan Komunikasi = Cukup Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Jika Minat Belajar Siswa = Cukup Paham.
Cara Belajar Siswa = Paham.
Cara Mengajar Guru = Sangat Paham dan Komunikasi = Sangat Paham, maka hasilnya Paham {Paham = 4.
Tidak Paham = .
Jika Minat Belajar Siswa = Cukup Paham.
Cara Belajar Siswa = Paham dan Cara Mengajar Guru = Tidak Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Jika Minat Belajar Siswa = Cukup Paham dan Cara Belajar Siswa = Tidak Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Jika Minat Belajar Siswa = Paham, maka hasilnya Paham {Paham = 52.
Tidak Paham = .
Jika Minat Belajar Siswa = Sangat Paham, maka hasilnya Paham {Paham = 6.
Tidak Paham = .
Jika Minat Belajar Siswa = Tidak Paham.
Media Pembelajaran = Cukup Paham dan Suasana Pembelajaran = Cukup Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Jika Minat Belajar Siswa = Tidak Paham.
Media Pembelajaran = Cukup Paham.
Suasana Pembelajaran = Paham dan Cara Belajar Siswa = Cukup Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Jika Minat Belajar Siswa = Tidak Paham.
Media Pembelajaran = Cukup Paham.
Suasana Pembelajaran = Paham dan Cara Belajar Siswa = Paham, maka hasilnya Paham {Paham = 2.
Tidak Paham = .
Jika Minat Belajar Siswa = Tidak Paham.
Media Pembelajaran = Cukup Paham.
Suasana Pembelajaran = Paham.
Cara Belajar Siswa = Tidak Paham dan Komunikasi = Cukup Paham, maka hasilnya Paham {Paham = 4.
Tidak Paham = .
Jika Minat Belajar Siswa = Tidak Paham.
Media Pembelajaran = Cukup Paham.
Suasana Pembelajaran = Paham.
Cara Belajar Siswa = Tidak Paham dan Komunikasi = Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Jika Minat Belajar Siswa = Tidak Paham.
Media Pembelajaran = Cukup Paham dan Suasana Pembelajaran = Sangat Paham, maka hasilnya Paham {Paham = 1.
Tidak Paham = .
Jika Minat Belajar Siswa = Tidak Paham.
Media Pembelajaran = Cukup Paham dan Suasana Pembelajaran = Tidak Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Dinda Zhila Azhari | Page 17 FATIMAH: Penerapan Teknologi dan Sistem Komputer Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 https://ejurnal.
id/index.
php/fatimah/index .
Jika Minat Belajar Siswa = Tidak Paham dan Media Pembelajaran = Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Jika Minat Belajar Siswa = Tidak Paham dan Media Pembelajaran = Tidak Paham, maka hasilnya Tidak Paham {Paham = 0.
Tidak Paham = .
Proses Pengujian dengan RapidMiner Pada tahap akhir penerapan Algoritma C4.
5 dilakukan penyesuaian hasil perhitungan manual melalui pengujian menggunakan software RapidMiner 5.
Pengujian terhadap hasil perhitungan manual menggunakan software RapidMiner dilakukan melalui beberapa tahapan proses seperti berikut ini:
Hasil pengolahan data dengan model pohon keputusan sesuai dengan software RapidMiner, dapat dilihat pada Gambar 4.
sebagai berikut :
Gambar 4.
Decision Tree Pada Rapidminer Gambar diatas merupakan pohon keputusan yang dihasilkan pada Rapidminer dengan aturan atau rule yang dapat dilihat pada text view pada Gambar berikut:
Gambar 5.
Rule Decision Tree Pada Rapidminer Pembahasan Hasil penerapan Algoritma C4.
5 menggunakan software RapidMiner dengan operator Split Validation diperoleh nilai akurasi yaitu sebesar 95.
Hasil akurasi tersebut diperoleh dengan pengaturan pada operator spilt validation dengan nilai split ratio = 0,5 dan sampling type = linear sampling.
Berikut ini adalah hasil akurasi yang diperoleh.
Dinda Zhila Azhari | Page 18 FATIMAH: Penerapan Teknologi dan Sistem Komputer Vol.
1 No.
Mei 2022 e-ISSN x-x (Media Onlin.
Page 11-20 https://ejurnal.
id/index.
php/fatimah/index Gambar 6.
Nilai Akurasi Algoritma C4.
Gambar 7.
Nilai Performance Vector Algoritma C4.
Dari gambar diatas Accuracy sebesar 95.
19%, artinya bahwa rule yang dihasilkan tingkat kebenaran mendekati Dimana untuk Class Precision pada prediksi label Paham sebesar 98.
39% dan prediksi label Tidak Paham Hasil yang dilakukan peneliti dalam perhitungan Algoritma C4.
5 diperoleh 18 model aturan atau rule tingkat pemahaman siswa pada mata pelajaran matematika dengan 9 rules berstatus Paham dan 9 rules berstatus Tidak Paham.
Model aturan dalam bentuk pohon keputusan yang diperoleh peneliti dapat dilihat pada Tabel.
Berdasarkan pengolahan data menggunakan aplikasi RapidMiner didapat nilai akurasi sebesar 95.
19%, artinya bahwa rule yang dihasilkan tingkat kebenarannya mendekati 100%.
Dimana untuk Class Precision pada prediksi label Paham 39% dan prediksi label Tidak Paham sebesar 90.
Parameters yang digunakan pada decision tree telah dilakukan penyesuaian terhadap kriteria decision tree yang digunakan pada RapidMiner yaitu information gain, maksimal depth= 20, confidance= 0,25, minimal gain= 0,01, minimal leaf size= 1, minimal size for split= 2, number of pruning alt= 3.
Sesuai dengan ketentuan tersebut maka hasil perhitungan manual dengan pengujian RapidMiner menghasilkan sebanyak 18 model aturan atau rule tingkat pemahaman siswa pada mata pelajaran matematika.
Model aturan dalam bentuk pohon keputusan yang dihasilkan dari Rapidminer dapat dilihat pada Gambar diatas.
Hasil proses yang dilakukan peneliti pada perhitungan Algoritma C4.
5 dan Rapidminer diperoleh hasil yang sama dan sesuai.
Sehingga pengujian dengan RapidMiner dapat dikatakan berhasil dan dapat menemukan pohon keputusan pada kasus tingkat pemahaman siswa pada mata pelajaran matematika.
KESIMPULAN
Berdasarkan hasil penelitian yang diperoleh dapat disimpulkan bahwa , penerapan Algoritma C4.
5 dapat diterapkan untuk mengklasifikasi tingkat pemahaman mata pelajaran matematika siswa SMA Swasta Tamansiswa Tapian Dolok dan telah menghasilkan 18 .
elapan bela.
model aturan atau rule keputusan yaitu 9 .
keputusan Paham dan 9 .
keputusan Tidak Paham.
Hasil penerapan Algoritma C4.
5 dapat diuji dengan aplikasi Rapidminer dan diperoleh hasil yang sama dengan perhitungan Algoritma C4.
5 dimana diperoleh tingkat akurasi yaitu REFERENCES