Seleksi Calon Siswa Baru dengan Metode Decision Tree Menggunakan Algoritma C5.0 (Studi Kasus: SMK N. 1 Doloksanggul)

Abstract

Penerimaan Peserta Didik Baru (PPDB) merupakan proses yang krusial dalam menentukan kualitas siswa di sebuah lembaga pendidikan. Salah satu permasalahan yang sering dihadapi dalam PPDB adalah kesulitan dalam menyeleksi calon siswa secara efektif dan efisien. Proses seleksi yang dilakukan secara manual membutuhkan waktu yang lama dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk menganalisis dan mengembangkan model seleksi peserta didik baru menggunakan algoritma C5.0, yakni sebuah metode klasifikasi berbasis pohon keputusan (decision tree). Algoritma C5.0 dipilih karena memiliki keunggulan dalam hal kecepatan pemrosesan, kemampuan menangani data dalam jumlah besar, dan tingkat akurasi yang tinggi. Dataset yang digunakan dalam penelitian ini terdiri dari 1013 data calon siswa dari SMK N 1 Doloksanggul. Data tersebut mencakup atribut-atribut seperti poin zonasi, prestasi, afirmasi, perpindahan tugas orang tua, dan status diterima atau tidaknya siswa. Hasil penelitian menunjukkan bahwa algoritma C5.0 memiliki tingkat akurasi sebesar 99.01%, dengan presisi sebesar 89.47% dan recall 100%. Atribut Zonasi dan Prestasi memiliki peran signifikan dalam pengambilan keputusan dengan Information Gain tertinggi, masing-masing sebesar 0.352 dan 0.346. Sebaliknya, atribut Afirmasi dan Perpindahan Tugas Orang Tua memiliki kontribusi yang lebih kecil dalam proses klasifikasi. Dengan demikian, algoritma C5.0 terbukti sangat efektif dalam memprediksi status penerimaan calon siswa baru. Model ini diharapkan dapat membantu lembaga pendidikan dalam menyusun proses seleksi siswa yang lebih objektif dan efisien. Admission of New Students (PPDB) is a crucial process in determining the quality of students in an educational institution. One of the problems often faced in PPDB is the difficulty in selecting prospective students effectively and efficiently. The selection process carried out manually takes a long time and is prone to errors. This research aims to analyze and develop a new student selection model using the C5.0 algorithm, namely a classification method based on decision trees. The C5.0 algorithm was chosen because it has advantages in terms of processing speed, ability to handle large amounts of data, and high level of accuracy. The dataset used in this research consists of 1013 prospective student data from SMK N 1 Doloksanggul. This data includes attributes such as zoning points, achievements, affirmations, transfer of parental duties, and status of whether the student is accepted or not. The research results show that the C5.0 algorithm has an accuracy rate of 99.01%, with a precision of 89.47% and a recall of 100%. Zoning and Achievement attributes have a significant role in decision making with the highest Information Gain, respectively 0.352 and 0.346. In contrast, the attributes Affirmation and Shifting of Parental Tasks have a smaller contribution to the classification process. Thus, the C5.0 algorithm proved to be very effective in predicting the acceptance status of prospective new students. It is hoped that this model can help educational institutions in developing a more objective and efficient student selection process.