KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 9 Rahmawati1 Article History Received [24|07|2020] Revised [06|08|2020] Accepted [11|08|2020] ABSTRACT
Depok city adjacent to the capital city of Jakarta, the population growth is very rapid, so the population density is increasing. However, not all residents who are at work age have received employment. Approximately 80,000 people more, unemployment in the city of Depok, almost 50 percent dominated by high school graduates. Therefore the authors used a sample of data from the questionnaire results in SMK Lingga Kencana Pancoran Mas Depok, SMK Perwira Bangsa, and in SMK Bina Rahayu in hopes to reduce the number unemployment in Depok city. Based on the problem to know the potential of student then in this research will be proposed use of one method in Data Mining to predict how big potency and interest of student of SMK by using algorithm C4.5. This algorithm is used because it can make the classification rules easy to understand and can build decision tree quickly and requires only some configuration. Based on previous research conducted by Aswan Supriyadi (2012) concluded that by using Algorithm C4.5 method, can predict pass or not pass the competency exam. Result of evaluation and validation with confussion matrix by using training data show accuracy level on Algorithm C4.5 equal to 81.22%. Keywords: Potensi, wirausaha, algoritma C4.5,. ABSTRAK
Kota Depok yang bersebelahan dengan ibu kota Jakarta, pertumbuhan penduduknya sangat pesat, sehingga kepadatan penduduknya semakin meningkat. Namun tidak semua penduduk yang berusia pada usia kerja sudah mendapatkan pekerjaaan. Sekitar 80.000 orang lebih, pengangguran di Kota Depok tersebut, hampir 50 persennya didominasi lulusan SMA. Oleh karena itu penulis menggunakan sampel data dari hasil kuesioner di SMK Lingga Kencana Pancoran Mas Depok, SMK Perwira Bangsa, dan di SMK Bina Rahayu dengan harapan bisa mengurangi angka pengangguran di kota Depok. Berdasarkan permasalahan yang ada, dibutuhkan potensi dan minat yang perlu dikembangkan, terutama oleh pelajar tingkat SMK. Untuk mengetahui minat dan potensi siswa/i SMK penelitian ini dibuat dan diusulkan menggunakan salah satu metode dalam’Data Mining yaitu algoritma C4.5. Algoritma ini dipilih karena mampu membuat aturan klasifikasi dengan beberapa kofigurasi yang digambarkan melalui pohon keputusan sehingga mudah dimengerti. Berdasarkan penelitian sebelumnya yang dilakukan oleh Aswan Supriyadi (2012) disimpulkan bahwa dengan menggunakan metode Algoritma C4.5, dapat memprediksi lulus atau tidak lulus ujian kompetensi. Hasil evaluasi dan validasi dengan confussion matrix dengan menggunakan data training menunjukkan tingkat akurasi pada Algoritma C4.5 sebesar 81.22 %.
.
PENDAHULUAN
Pendidikan disekolah seharusnya tidak hanya mencetak lulusan semata, Pendidikan yang baik memiliki orientasi dan tujuan yang jelas kearah mana siswa/I ini setelah lulus nanti. Pendidikan Sekolah Menengah Kejuruan’memiliki karakter yang unik untuk menghasilkan lulusan-lulusan yang siap kerja. Namun lulusan SMK sebaiknya tidak hanya dituntut untuk lulusan yang siap kerja saja namun diharapkan dapat berwirausaha sendiri untuk mengembangkan ekonomi. Sehingga lulusan SMK tidak banyak yang menjadi pengangguran yang akhirnya menyebabkan ketimpangan ekonomi. Contohnya saja di kota
1Program Studi Teknik Informatika, Fakultas Teknik,, Universitas Pamulang
KLASIFIKASI ALGORITMA C4.5 UNTUK MENENTUKAN POTENSI SISWA DALAM BERWIRAUSAHA (STUDI KASUS
SMK LINGGA KENCANA, SMK PERWIRA BANGSA DAN SMK BINA RAHAYU)
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 10 Depok yang bersebelahan dengan ibu kota Jakarta. Pertumbuhan penduduknya sangat pesat, namun tidak semua penduduk yang berusia kerja sudah mendapatkan pekerjaan.
Menurut Warta Kota, Depok Jumlah penduduk angkatan kerja yang menganggur atau pegangguran di Kota Depok jumlahnya saat ini masih tinggi karena mencapai lebih dari 80.000 orang atau tercatat sebanyak 80.903 orang pengangguran. Jumlah ini meningkat sekitar 2000 orang dibanding tahun 2015 lalu yang diperkirakan berjumlah sekitar 78.000 orang. Hal itu dikatakan Wali Kota Depok Mohammad Idris Abdul Shomad di Balai Kota Depok, Rabu (21/9/2016). Menurut Idris dari sekitar 80.000 orang lebih, pengangguran di Kota Depok tersebut, hampir 50 persennya didominasi lulusan SMA atau sederajat. Ia menyebutkan jumlah penduduk angkatan kerja di Depok saat ini sebanyak 958.857 jiwa atau hampir 1 Juta orang. Dari jumlah itu, penduduk usia kerja atau angkatan kerja yang sudah bekerja adalah sekitar 870 ribu orang. "Jadi totalnya ada sekitar 80 ribu orang lebih angkatan kerja di Depok, yang belum bekerja sampai saat ini," kata Idris. Oleh karena itu penulis menggunakan sampel data dari hasil kuesioner untuk mengetahui potensi siswa dalam berwirausaha yang respondennya adalah siswa di SMK Lingga Kencana Pancoran Mas Depok, SMK Bina Rahayu, dan di SMK Perwira Bangsa Depok dengan harapan bisa mengurangi angka pengangguran di kota Depok.
Teknik data mining yang dikembangkan saat ini begitu banyak sehingga dapat kit acari solusi untuk menyelesaikan masalah degan cepat sehingga lebih efektif dan efisien. Data yang didapat untuk pengukuran kemampuan dan juga keminatan dengan menyebarkan kuesioner pada siswa. Data ini dijadikan data training yang akan diolah informasinya. Melihat potensi wirausaha dapat diselesaikan dengan menggunakan metode C4.5 berdasarkan peluang yang ada disetiap pilihan. Peluang ini didapatkan berdasarkan atribut terhadap pilihan yang dihitung dari nilai entropy dan gain.
Didalam penelitian menggunakan metode algoritma c4.5 untuk memprediksi prestasi siswa, yang bertujuan untuk mengevalusi model data mining decision tree c4.5 untuk mengetahui nilai akurasi yang baik pada algoritma ini. Maka dihasilkan nilai akurasi dari algoritma c4.5 ini sebesar 90.91%. begitu juga dengan penelitian yang dilakukan Muhammad, dalam penelitian dia melakukan klasifikasi potensi siswa drop out menggunakan algoritma C4.5 dengan menggunakan 9 rules, dan menghasilkan tingkat akurasi sebesar 96.15%.penerapan algoritma C4.5 juga dilakukan oleh asmaul dengan mengambil objek mahasiswa dropout sebagai proses klasifikasi. Tujuan penelitiannya dikarenakan kualitas perguruan tinggi dilihat dari tingkat keberhasilan mahasiswanya. Oleh karena itu mengklasifikasi mahasiswa yang layak melanjutkan kuliah dengan yang sudah tidak layak melanjutkan kuliah diperlukan. Didalam penelitiannya, dia menggunakan 17 rules didalam perhitungan pengklasifikasian. 17 rule tersebut untuk dijadikan pola untuk mahasiswa yang berpotensi dropput.
Berdasarkan identifikasi masalah yang ada, maka untuk mengetahui potensi siswa tersebut maka dalam penelitian ini akan diusulkan penggunaan salah satu metode dalam Data Mining untuk mengetahui potensi siswa, minat dan kepribadian dengan menggunakan
‘algoritma C4.5. Algoritma ini dipilih karena mampu membuat aturan klasifikasi dengan beberapa kofigurasi yang digambarkan melalui pohon keputusan sehingga mudah dimengerti. Dalam penelitian ini didapatkan hasil rumusan masalah yang ada adalah:
a. Bagaimana potensi dan minat kewirausahaan pada siswa kelas XII (dua belas) di SMK Lingga Kencana, SMK Perwira Bangsa, dan SMK Bina Rahayu ?
b. Bagaimana melakukan perhitungan klasifikasi algoritma C4.5 untuk mengetahui potensi dan minat wirausaha ?
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 11 Sehingga didapatkan tujuan’penelitian ini adalah untuk melakukan analisa data hasil kuesioner untuk mengetahui potensi siswa dalam wirausaha menggunakan algoritma C4.5. Kemudian manfaat bagi instansi terkait siswa/i di sekolah terkait bisa mengetahui potensinya dalam wirausaha dan sekolah mendapatkan hasil berupa kesimpulan tentang metode pengajaran tentang wirausaha
KAJIAN PUSTAKA
Kewirausahaan merupakan kemauan, sikap dan jiwa yang semangat untu berinovasi, dan berkreasi, untuk kemajuan diri sendiri, keluarga dan masyarakat. Menurut Drs Joko Untoro kewirausahaan merupakan suatu keberanian seseorang dalam melkukan upaya untuk memenuhi kebutuha hidupnya, atas dasar motivasi dan kemampuan dengan cara memanfaatkan segala potensi yang ada pada dirinya maupun orang lain Namun tidak semua orang mau menjadi wirausaha karena diperlukan keberanian untuk memulai dalam sebuah usaha dan butuh proses yang tidak mudah juga. Tidak jarang orang menyerah dan gagal dalam usahanya karena berhenti di tengah jalan. Tidak semua mau dan bisa menjadi wirausahawan, namun pasti bisa karena potensi itu ada.
Untuk mencari potensi pada siswa SMK di perlukan suatu teknik baru agar bisa mengetahui sebesar apa potensinya dalam bidang wirausaha. Yang kemudian datanya kita olah menjadi informasi, salah satunya yaitu teknik Data Mining. Data mining merupakan proses pengambilan fitur dari sebuah data untuk diolah menjadi informasi atau pengetahuan dari data yang besar dan dapat disimpan dalam basis data, data warehouse atau disimpan didalam repository (Han & Kamber, 2006).
Didalam penelitian menggunakan metode algoritma c4.5 untuk memprediksi prestasi siswa, yang bertujuan untuk mengevalusi model data mining decision tree c4.5 untuk mengetahui nilai akurasi yang baik pada algoritma ini. Maka dihasilkan nilai akurasi dari algoritma c4.5 ini sebesar 90.91%. Begitu juga dengan penelitian yang dilakukan Muhammad, dalam penelitian dia melakukan klasifikasi potensi siswa drop out menggunakan algoritma C4.5 dengan menggunakan 9 rules, dan menghasilkan tingkat akurasi sebesar 96.15%.
Menganalisa siswa yang akan menjadi pengusaha atau menganalisa apakah siswa tersebut memiliki semangat juang wirausaha merupakan salah satu contoh proses pengklasifikasian didalam proses prediksi dengan variabel “beresiko” dan “tidak beresiko”, atau “ya” dan “tidak”. Salah satu klasifikasi yang digunakan adalah aloritma C4.5.
Ada beberapa tahap dalam membuat sebuah pohon keputusan dengan algoritma C4.5 (Kusrini & Luthfi, 2009), yaitu :
1. Mengumpulkan data latih, data latih di dapat dari sample siswa yang akan diambil nilai ekstraknya.
2. Menentukan akar dari pohon. Dalam hal ini kita menentukan nilai gain dan entropynya :
Entropy (S) = (1)
Keterangan :
S merupakan Himpunan Kasus A merupakan Atribut
N merupakan jumlah partisi
Pi merupakan proporsi dari Si terhadap s
3. Kemudian hitung nilai Gain dengan metode information gain : (2)
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 12 Keterangan :
S merupakan himpunan kasus” A merupakan atribu”
n merupakan jumlah partisi dari atribut A” |Si| merupakan jumlah kasus pada partisi ke-i” |S| merupakan jumlah kasus dalam S”
4. Ulangi langkah ke-2 hingga”semua tupel terpartisi. 5. Proses partisi pohon keputusan akan berhenti saat :
a. Semua tupel dalam node N mendapat kelas yang sama. ”
b. Tidak ada ‘atribut di dalam tupel yang dipartisi lagi. c. Tidak ada tupel di dalam cabang yang kosong. METODE PENELITIAN
Berikut tahapan-tahapan yang dilakukan dalam penelitian ini : 1. Prapengolahan data siswa
2. Menghitung secara manual data tersebut untuk menentukan jumlah wirausaha, kerja dan kuliah. Berikut ini teknik perhitungan algoritma c4.5 :
a. Menghitung jumlah kasus yang ada yaitu jumlah kasus untuk minat wirausaha, jumlah kasus untuk minat kerja, dan jumlah kasus untuk minat kuliah, serta entropy dari semua kasus.
b. Setiap atribut dilakukan perhitungan gain
c. Menentukan node akar untuk nilai gain tertinggi
d. Selanjutnya menghitung jumlah kasus, jumlah kasus untuk minat wirausaha, jumlah kasus untuk minat kerja, dan jumlah kasus untuk minat kuliah serta entropy dari semua kasus yang dibagi berdasarkan atribut selain node akar, kemudian dapat dijadikan node akar dari nilai atribut rendah, hingga semua atribut menjadi node dan terbentuk pohon keputusan.
3. Hasil dari perhitungan tersebut dimasukkan ke dalam perhitungan algoritma C4.5, kemudian mencari nilai akurasi
4. Hasil dari komparasi algoritma tersebut dapat digunakan untuk mengetahui akurasi terbaik terhadap minat siswa terhadap wirausaha.
HASIL DAN PEMBAHASAN
Dalam bab ini dibahas mengenai uraian dan analisis data-data yang diperoleh dari data primer. Data primer pada penelitian ini adalah dasil dari kuesioner yang disebarkan kepada siswa-siswi kelas XII SMK Lingga Kencana, SMK Bina Rahayu dan SMK Perwira Bangsa dan data ini didapat dari 300 respondendata yang didapat didalam penulisan ini merupakan data-data pokok dimana data ini merupakan data sekunder yang analisanya didapatkan dari hasil observasi dilapangan dan pencarian literatur yang terkait untuk memperkuat dan memperdalam proses penelitian ini, sehingga dapat mendalami hasil Analisa yang sedang teliti.
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 13 Gambar 1 Data Hasil Kuesioner
Teknik Pengolahan Data”
Variable-variabel ditentukan setelah data yang diperlukan didapat pada proses penelitian. Variabel yang digunakan untuk menunjang penelitian ini antara lain Pendidikan Kewirausahaan, Kemampuan Memimpin, Kreatif dan Inovatif, Motivasi Diri, Kepribadian yang Proaktif. Masing-masing variabel memiliki indikator-indikator pendukung dari variabel tersebut. Sedangkan variabel responnya adalah wirausaha, kerja dan kuliah
Tahap awal analisa penelitian adalah ’prepocessing. Dari data hasil kuesioner, tiap variabel memiliki beberapa sub variabel, maka sub variabel tersebut dijumlahkan untuk menjadi satu variabel.
Setelah melakukan preprocessing terhadap 300 record kemudian data tersebut direduksi menjadi 100 record hal ini untuk mempercepat proses perhitungan data training. Setelah data di preprocessing, kemudian data masing-masing variabel dihitung nilai rata-ratanya untuk menyederhanakan hasil dari masing-masing variabel. Berikut hasil perhitungan rata-rata dari 10 siswa random :
Tabel 1 Hasil Perhitungan Rata-Rata Kemampuan Memimpin Kreatif Dan Inovatif Motivasi Diri Kepribadian yang Proaktif PEMINATAN Respon 3,8 4,05 3,6 3 2 KERJA 2,4 3,05 2,85 3,35 2 KERJA 2,9 3 2,75 3,25 2 KERJA 3,2 3,3 3,15 2,55 2 KERJA 4,3 4,65 3,35 3 2 KERJA 3,65 3,65 3,5 3,45 5 WIRAUSAHA 3,8 3,75 3,6 4,35 5 WIRAUSAHA 3,85 4,15 3,5 3,95 2 KERJA 4,15 4,55 3,8 3,9 5 WIRAUSAHA 2,7 3,15 3,8 4,4 5 WIRAUSAHA
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 14 Kemudian melakukan pengkodingan dari data training. Coding adalah proses pemberian tanda atau kode terhadap data dari kuesioner ’untuk kelompok ke dalam kategori yang sama dan diberikan symbol (Nurul Miftahul Wasilah, 2014). Setiap variabel akan dikategorikan ke dalam 2 kelas yaitu nilai antara 0-2,9 (rendah), 3-5 (tinggi). Hasil pengkodingan dapat dilihat pada tabel berikut :
Tabel 2 Data training setelah penerapan coding Pendidikan Kewira usahaan Kemampuan Memimpin Kreatif Dan Inovatif Motivasi Diri Kepribadian
yang Proaktif PEMINATAN Respon
‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Rendah” KERJA ‘Rendah” ‘Rendah” ‘Tinggi” ‘Rendah ‘Tinggi” ‘Rendah” KERJA
‘Rendah” ‘Rendah” ‘Tinggi” ‘Rendah ‘Tinggi” ‘Rendah” KERJA
‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Rendah” ‘Rendah” KERJA ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Rendah” KERJA ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” WIRAUSAHA
‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” WIRAUSAHA
‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Rendah” KERJA
‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” WIRAUSAHA ‘Tinggi” ‘Rendah” ‘Tinggi” ‘Tinggi” ‘Tinggi” ‘Tinggi” WIRAUSAHA Kemudian data tersebut di olah dengan Algoritma C4.5 menggunakan metode Decision
Tree. Langkah awal adalah menghitung nilai entropy, dari data training terdapat jumlah
kasus ada 100, yang termasuk kelas “kuliah” ada 29 record, yang termasuk kelas “kerja” ada 58 record, dan yang termasuk kelas “wirausaha” ada 13 record, sehingga didapat
entropy :
= (-29/100* log2 (29/100)) + (-58/100 * log2 (58/100)) + (-13/100) * log2 (13/100)) = 1,356
Hasilnya seperti tabel dibawah ini :
Tabel 3 Entropy total
Node Jumlah Kasus Kuliah Kerja Wirausaha Entropy Gain
1 Total 100 29 58 13 1,356
Kemudian untuk tiap atribut dihitung nilai gainnya, lalu menentukan nilai gain tertinggi. Data yang memiliki nilai gain tertinggi nantinya akan dijadikan akar dari pohon keputusan. Misalkan untuk nilai gain variabel pendidikan kewirusahaan, untuk variabel pendidikan kewirausahaan jumlah kasus nilai rendah sebanyak 29 record, respon kuliah 8, kerja 20, dan wirausaha 1
Nilai Entropy rendah dari Pendidikan Kewirausahaan adalah :
= (-8/29* log2 (8/29)) + (-20/29 * log2 (20/29)) + (-1/29) * log2 (1/29))
= 1,050
Nilai Entropy tinggi dari Pendidikan Kewirausahaan adalah :
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 15 = (-21/71) * log2 (21/71)) + (-38/71) * log2 (38/71))
+ (-12/71) * log2 (12/71) = 1, 436
Nilai Gain dari Pendidikan Kewirausahan adalah : Gain (S,A) = Entropy (S) -
Gain (S,A) = 1,356 – (((29/100)*1,050) + (71/100)*1,436)) Gain (S,A) = 0,032401
Kemudian hitung juga variabel yang lain dengan cara yang sama. Menghitung nilai
entropy dan gain pada semua atribut hal ini dilakukan guna mencari nilai gain tertinggi.
Hasil kalkulasi seluruh variabel terlihat pada tabel berikut ini :
Tabel 4 Menentukan nilai akar untuk Nilai Entropy dan gain” Node Jumla h Kasus Kulia h Kerja Wirausah a Entrop y Gain 1 . Total 100 29 58 13 1,356 Pendidikan Kewirausahaa n 0,03240 1 Renda h 29 8 20 1 1,050 Tinggi 71 21 38 12 1,436 Kemampuan Memimpin 0,00203 0 Renda h 19 5 12 2 1,267 Tinggi 81 24 46 11 1,375 Kreatif dan Inovatif 0,00000 0 Renda h 0 0 0 0 0,000 Tinggi 100 29 58 13 1,356 Motivasi Diri 0,01246 0 Renda h 6 2 4 0 0,918 Tinggi 94 27 54 13 1,371 Kepribadian yang Proaktif 0,00580 4 Renda h 2 1 1 0 1,000 Tinggi 98 28 57 13 1,358 Peminatan 0,55743 8 Renda h 87 29 58 0 0,918 Tinggi 13 0 0 13 0,000
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 16 Dari hasil perhitungan entropy dan gain yang didapat pada tabel 4.1, terlihat bahwa variabel Peminatan mempunyai nilai gain tertinggi yaitu 0,557438. Oleh karena itu maka Peminatan merupakan simpul akar pada pohon keputusan. Variabel Peminatan memiliki dua nilai yaitu tinggi dan rendah. Instance tinggi sudah mengklasifikasi kasus menjadi 1, yaitu keputusan respon Wirausaha, karena nilai entropy = 0 dan instance rendah yang akan menjadi node cabang selanjutnya. Hasil perhitungan tersebut penulis dapat menggambarkan pohon keputusan seperti berikut ini :
Gambar 2 Pohon Keputusan Node 1
Untuk menentukan simpul berikutnya, yaitu simpul 1.1 d ilakukan lagi perhitungan
entropy dan gain berdasarkan variabel Peminatan dari data rendah. Jumlah kasus yang
dihitung adalah sejumlah kasus dengan nilai dari simpul akar (Peminatan). Dan begitu seterusnya.
Dari pembahasan yang sudah tersebut, bisa dilihat bahwa yang menjadi node pertama adalah Peminatan, dimana jika peminatan tinggi, siswa dapat dinyatakan sebagai wirausaha. Jika peminatan rendah, maka akan diproses lagi melalui node berikutnya, yaitu motivasi diri. Jika peminatan rendah dan motivasi rendah, maka dapat dinyatakan bahwa siswa lebih cocok untuk kerja. Namun apabila peminatan rendah, motivasi tinggi, maka akan di proses lagi, menjadi node selanjutnya. Lalu perhitungan akan berhenti ketika entropy total dan entropy pada node sama, dan gain sama dengan nol.
Setelah penelitian tersebut diatas, penulis mengetahui bahwa dari 100 responden yang penulis ambil secara acak, hanya terdapat 13 orang yang memilih atau berminat menjadi wirausaha. Secara garis besar, hanya 13% dari total keseluruhan. Hal ini dianggap belum mencapai hasil yang maksimal karena tujuan sekolah menengah kejuruan adalah menciptakan wirausahawan (enterpreneur) muda berbakat yang mandiri dan bisa menciptakan lapangan kerja baru.
Berikut ini adalah data statistik dari seluruh sekolah mengenai respon siswa untuk menjadi wirausaha :
Tabel 5 Persentase Respon Wirausaha No Nama Sekolah Jurusan Jumlah
Resonden
Hasil Respon Persentase Wirausaha Wirausaha Kerja Kuliah
1 SMK Lingga Kencana Pemasaran 116 14 67 35 12,07% Perbankan Syariah 26 8 11 7 30,77% 2 SMK Perwira Bangsa Jasa Boga 49 10 17 22 20,41% Teknik Audio Video 27 2 11 14 7,41% 3 SMK Bina Rahayu Teknik Komputer Jaringan 83 6 48 29 7,23% TOTAL RESPONDEN 301 40 154 107 13,29% Peminatan Wirausaha ... Tinggi Rendah
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 17 Dari tabel diatas dapat diketahui dari total responden 301, hanya 40 orang yang berminat untuk menjadi wirausaha, yaitu 13,29%. Hasil ini dianggap tidak maksimal, karena diharapkan sedikitnya 70% siswa berminat untuk menjadi wirausaha, agar dapat membantu pemerintah dalam menciptakan lapangan kerja.
SIMPULAN DAN SARAN
Berdasarkan hasil penelitian dari klasifikasi algoritma C4.5 dalam menentukan potensi siswa dalam berwirausaha, dapat disimpulkan bahwa :
1. Berdasarkan hasil penelitian, penulis menemukan bahwa sebenarnya banyak siswa yang memiliki potensi tinggi dalam berwirausaha, hanya saja mereka tidak berminat untuk menjadi seorang entreupreneur atau seorang wirausahawan.
2. Berdasarkan hasil kuesioner penulis mengetahui bahwa dari 100 responden yang penulis ambil secara acak, hanya terdapat 13 orang yang memilih atau berminat menjadi wirausaha. Secara garis besar, hanya 13% dari total keseluruhan. Dari jurusan pemasaran saja hanya 14 dari 116 siswa dengan persentase 12,07%. Hal ini dianggap belum mencapai hasil yang maksimal karena tujuan sekolah menengah kejuruan adalah menciptakan wirausahawan (enterpreneur) muda berbakat yang kreatif, inovatif, mandiri dan bisa menciptakan lapangan kerja baru.
3. Berdasarkan metode klasifikasi algoritma C4.5, atribut Peminatan merupakan atribut yang paling berpengaruh terhadap potensi wirausaha, ini dibuktikan dengan atribut peminatan sebagai root node atau node akar. Dengan nilai gain tertinggi yaitu 0,557438 dibandingkan dengan atribut atau varibel yang lain.
DAFTAR PUSTAKA
Kartika, Nila Ayu, (2014) Penerapan Teknik Data Mining Menggunakan Algoritma
Iterative Dischomotiser 3 (ID3) untuk Menentukan Potensi Siswa Dalam Dunia
Kerja Berdasarkan Kecerdasan Emosi (EQ)
Swastina, Liliana, (2013) Penerapan Algoritma C4.5 Untuk Penentuan Jurusan Mahasiswa. Iriadi, Nandang & Nuraeni, Nia (2016) Kajian Penerapan Metode Klasifikasi Data Mining
Algoritma C4.5 untuk prediksi Kelayakan Kredit Pada Bank Mayapada Jakarta. Andriani, Anik (2012) Penerapan Algoritma c4.5 Pada Program Klasifikasi Mahasiswa
Dropout.
Santoso, Teguh Budi (2012) Analisa dan Penerapan Metode c4.5 untuk prediksi loyalitas Pelanggan.
Fradani, Ayus Crusma (2012) Pengaruh Kecerdasan Adversitas, Pendidikan Kewirausahaan dalam Keluarga, Dukungan Keluarga dan Efikasi Diri Pada Intensi Berwirausaha Siswa SMK Negeri 2 Nganjuk
Mariah, Siti &Sugandi, Mahmud (2012) Kesenjangan Soft Skill Lulusan SMK dengan kebutuhan tenaga kerja di Industri
Kurniawan., Wicaksono, Wibowo., & Parti Astuti, Yani (2016) Mining (EDM) untuk memprediksi masa studi Mahasiswa Menggunakan Algortima C4.5 (Studi Kasus : TI-S1 UDINUS)
Andrian, Yudhi & Wayahdi, M. Rhifky (2015) Analisis Kinerja Data Mining Algoritma C4.5 Dalam Menentukan Tingkat Minat Siswa yang Mendaftar di Kampus ABC. Sunge, Aswan Supriyadi (2012) Prediksi Ujian Kompentensi Dengan Menggunakan
KOLANO: Journal of Multi-Disciplinary Sciences, Volume 1, No. 01, Agustus 2020 18 Masbahah., Kustono, Djoko., & Patmanthara, Syaad (2014) Efektivitas Sistem Pembelajaran Blok
Di Sekolah Menengah Kejuruan Kota Surabaya.
Osborne, David & Gaebler, Ted (1992) Reinventing Government Addison-Wesley Publ. Co., 1992.
P. Bühlman and B. Yu, Analyzing Bagging, The Annals of Statistics, Vol. 30 no. 4, hal 927-961, 2002.
F. Romansyah, I.S. Sitanggang, S. Nurdiati, 2009, Fuzzy Decission Tree dengan Algoritma
ID3 pada Data Diabetes, INTERNETWORKING INDONESIA JOURNAL, Vol.1
/No.2
Drs. Slamet Wiyono, Ak., M.B.A, 2005, Manajemen Potensi Diri, Yogyakarta : Grasindo. Goleman, Daniel, 2007, Emotional Intelegence, Jakarta : PT. Gramedia Pustaka Utama. Cooper, Robert K. & Sawaf, Ayman, 2002, Executive EQ : Kecerdasan Emosional
Kepemimpinan dari Organisasi, Jakarta : PT. Gramedia Pustaka Utama.
D. Kiron, R. Shockley, N. Kruschwitz, G. Finch, and M. Haydock, Analytics: The Widening Divide, MIT Sloan Management Review, 53(2), 1-22, 2012.
D. Anggraini, Analisis Perubahan Kelompok Berdasarkan Perubahan Nilai Jual Pada Bloomberg
Market Data dengan Menggunakan Formal Concept Analysis, Report Paper, 2009.
Y. S. Nugroho, Analisis Faktor-Faktor Yang Mempengaruhi Tingkat Daya Beli Konsumen Terhadap Listrik Pada Sektor Rumah Tangga: Studi Kasus Kota Salatiga. Thesis,
Universitas Gadjah Mada, 2009.
Ranny dan Budi, Pemilihan Diet Nutrien bagi Penderita Hipertensi Menggunakan Metode No.1, 2012.
Bustami, Penerapan Algoritma Naive Bayes untuk Penelitian Teknik Informatika, 2013. Y. Agusta, K-Means: Penerapan Permasalahan dan Metode Terkait, Jurnal Sistem dan
