Optimasi Algoritma Decision Tree C4.5 menggunakan Metode Correlation-Based Feature Selection pada Klasifikasi Nilai Mahasiswa Studi Kasus : Universitas Muhammadiyah Kalimantan Timur

Abstract

Universitas Muhammadiyah Kalimantan Timur (UMKT) menerapkan sistem pembelajaran hybrid (daring dan luring) karena keterbatasan ruangan dan jumlah mahasiswa yang besar. Namun, pembelajaran jarak jauh memiliki dampak negatif terhadap hasil belajar mahasiswa. Data juga menunjukkan penurunan nilai rata-rata pada Mata Kuliah Dasar Umum Bahasa Arab di UMKT, yang mungkin disebabkan oleh pembelajaran hybrid yang tidak efektif dan tantangan lainnya. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang berpengaruh dalam klasifikasi nilai Bahasa Arab mahasiswa. Hasil penelitian menunjukkan bahwa Fitur-fitur yang berpengaruh signifikan dalam pengambilan keputusan adalah "Comments", "Tugas_2", "UTS", dan "Tugas_1", sementara jenis kelamin tidak memiliki pengaruh signifikan. Evaluasi model menggunakan validasi silang dengan rata-rata k-fold menunjukkan bahwa sebelum dilakukan seleksi fitur menggunakan metode CFS, akurasi mencapai 88%. Namun, setelah seleksi fitur menggunakan CFS, akurasi meningkat menjadi 92%. Hasil ini menunjukkan bahwa seleksi fitur dengan menggunakan metode CFS dapat signifikan meningkatkan kinerja klasifikasi dalam penilaian nilai Bahasa Arab mahasiswa.