Penerapan Machine Learning menggunakan algoritma C4.5 berbasis PSO dalam Menganalisa Data Siswa Putus Sekolah

Abstract

Pendidikan sangat memegang peranan penting dalam meningkatkan kualitas Sumber daya manusia yang ada di Indonesia. Untuk itu Pemerintah menggalakkan program wajib belajar 12 tahun. SMK As Salam, adalah salah satu Sekolah Menengah Kejuruan (SMK) swasta yang ada di Kecamatan Gegesik yang memiliki angka putus sekolah yang berubah setiap tahunnya. Ada beberapa penyebab seorang anak putus sekolah, diantaranya faktor ekonomi dimana orang tua tidak sanggup membiayai anaknya untuk sekolah, bisa juga faktor membantu usaha orang tua, faktor siswanya sendiri, atau faktor lingkungan dan teman – teman siswa tersebut. Perlu dilakukan penganalisaan terhadap data siswa agar dapat diklasifikasikan siswa yang berpotensi putus sekolah. Sehingga kepala sekolah dan bagian kesiswaan di SMK As Salam dapat mengambil keputusan agar siswa yang putus sekolah bisa diantisipasi setiap tahunnya. fokus maka penelitian ini adalah penggunaan model decision tree dalam mengkasifikasikan data putus sekolah yang dioptimasi menggunakan PSO di SMK As Salam Gegesik. Dari hasil klasifikasi tersebut diketahui nilai akurasi dari model decision tree tersebut adalah 90.86 %. Artinya keakuratan dalam klasifikasi tersebut sudah cukup baik. Sedangkan hasil klasifikasi model decision tree yang menggunakan  PSO diketahui memiliki nilai akurasi 92.95 %. Artinya keakuratan dalam klasifikasi tersebut menjadi lebih baik dari decision tree yang tanpa optimasi PSO