IMPLEMENTASI METODE DATA MINING DENGAN TEKNIK SMOTE DAN SELEKSI FITUR GAIN RATIO UNTUK KLASIFIKASI KELAYAKAN SISWA SMA PENERIMA PIP DI KOTA JAMBI.

Sabrina Candra, Dea (2026) IMPLEMENTASI METODE DATA MINING DENGAN TEKNIK SMOTE DAN SELEKSI FITUR GAIN RATIO UNTUK KLASIFIKASI KELAYAKAN SISWA SMA PENERIMA PIP DI KOTA JAMBI. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (226kB)
	Text BAB II.pdf Restricted to Registered users only Download (455kB)
	Text BAB III.pdf Restricted to Registered users only Download (161kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (114kB)

Abstract

Program Indonesia Pintar (PIP) adalah bantuan pendidikan untuk siswa dari keluarga kurang mampu. Namun, proses penentuan kelayakan penerimanya masih menghadapi kendala, seperti subjektivitas penilaian dan ketidakseimbangan jumlah data antara kategori layak dan tidak layak. Penelitian ini menerapkan metode data mining dengan teknik SMOTE dan seleksi fitur Gain Ratio untuk mengklasifikasikan kelayakan siswa SMA penerima PIP di Kota Jambi. Tiga algoritma yang digunakan yaitu Naïve Bayes, Decision Tree (J48), dan Random Forest, dengan dataset berjumlah 19.596 data siswa yang dibagi menjadi data Training 70% dan Testing 30%. Teknik SMOTE digunakan untuk mengatasi ketidakseimbangan kelas, sementara Gain Ratio diterapkan untuk memilih atribut yang paling relevan. Pengujian dilakukan menggunakan tiga metode validasi: Use Training Set, 5-Fold, dan 10-Fold Cross Validation. Hasil penelitian menunjukkan SMOTE mampu memperbaiki distribusi kelas, tetapi seleksi fitur terkadang menurunkan akurasi karena beberapa atribut penting terhapus. Secara keseluruhan, Random Forest memberikan hasil terbaik dengan akurasi 93.33% tanpa seleksi fitur dan 89.56% setelah seleksi. Berdasarkan hasil tersebut, Random Forest tanpa seleksi fitur menjadi model yang paling efektif dalam menentukan kelayakan penerima PIP.

Actions (login required)

View Item