<![CDATA[Standar kompetensi kelulusan siswa yang meliputi kemampuan berpikir logis, kritis, kreatif dan inovatif, serta pencapaian prestasi nilai rata – rata UN teori dan praktik merupakan salah satu elemen penilaian akreditasi sekolah menengah. Namun permasalahannya rata – rata hasil ujian nasional di 100 SMK Negeri dan Swasta di jakarta tahun ajaran 2015 – 2017 mengalami penurunan dari 73,51 menjadi 69,05 berdasarkan data dari situs resmi kementrian pendidikan dan kebudayaan. Oleh sebab itu dalam penelitian ini bertujuan untuk membangun model dengan mengimplementasikan fuzzy inference system metode sugeno pada algoritma decision tree C4.5 berbasis particle swarm optimization (pso) serta membuktikan apakah performa algoritma dilihat dari tingkat akurasi, spesitifitas dan sensitifitas mengalami peningkatan performa algoritma yang dihasilkan oleh algoritma decision tree C4.5 berbasis PSO dalam memprediksi prestasi siswa. Implementasi Algoritma decision tree C4.5 berbasis particle swarm optimization (pso) menggunakan 299 data dengan 32 atribut independen dan 1 atribut dependen menghasilkan pohon keputusan dengan jumlah atribut sebanyak 18 atribut dependen dan 1 atribut dependen yang akan digunakan sebagi rule dalam implementasi fis sugeno. Dalam implementasinya diperoleh hasil bahwa implementasi fis sugeno pada algoritma decision tree C4.5 berbasis PSO(Particle Swarm Optimization) mampu meningkatkan performa tingkat akurasi algoritma C4.5 berbasis PSO dari 94,66% menjadi 96% dan spesitifitas dari 94,24% menjadi 97,80%.]]>
Copyrights © 2020
