<![CDATA[ABSTRACTThe use of data mining is very helpful in the classification of students who have the potential to drop out. There are several algorithms that can be applied in its implementation so that in this study a comparison of the two classification algorithms is carried out by comparing the level of accuracy produced by the two algorithms. The classification algorithms compared in this study are the K-Nearest Neighbor algorithm and the C4.5 algorithm. The data used in this study were students of the ITB STIKOM Bali class of 2014 using 6 attributes, namely gender, age, religion, class status, practical work, and GPA value. The results showed that the accuracy rate of the K-Nearest Neighbor algorithm was 81.50% while the accuracy level of the C4.5 algorithm was 80.54%.Keywords: KNN, C4.5, Student Drop OutABSTRAKPemanfaatan data mining sangat membantu dalam klasifikasi mahasiswa yang berpotensi drop out. Terdapat beberapa algoritma yang dapat diterapkan dalam implementasinya sehingga dalam penelitian ini dilakukan komparasi dua algoritma klasifikasi dengan membandingkan tingkat akurasi yang dihasilkan kedua algoritma. Algoritma klasifikasi yang dibandingkan dalam penelitian ini adalah algoritma K-Nearest Neighbour dan algoritma C4.5. Data yang digunakan dalam penelitian ini adalah mahasiswa ITB STIKOM Bali angkatan tahun 2014 dengan menggunakan 6 atribut yaitu jenis kelamin, umur, agama, status kelas, kerja praktek, dan nilai IPK. Hasil penelitian menunjukkan bahwa tingkat akurasi algoritma K-Nearest Neighbour sebesar 81.50% sedangkan tingkat akurasi algoritma C4.5 sebesar 80.54%.Kata kunci: KNN, C4.5, Mahasiswa Drop Out]]>
Copyrights © 2020
