Algoritme Decision Tree untuk Proses Seleksi Calon Anggota Unit Kegiatan Mahasiswa Creative Computer Club
DOI:
https://doi.org/10.61124/sinta.v3i3.278Keywords:
CRISP-DM, Data Mining, Decision Tree, Klasifikasi, UKMAbstract
Melakukan proses seleksi yang terbuka, jujur, dan adil merupakan hal yang sangat penting dalam memilih anggota baru di organisasi kemahasiswaan. Karena prosedur penerimaan di Unit Kegiatan Mahasiswa (UKM) Creative Computer Club (Triple C) sampai saat ini masih menggunakan cara yang tradisional dan mudah dipengaruhi oleh penilaian pribadi, penelitian ini menawarkan metode klasifikasi yang menggunakan data nyata sebagai alternatifnya. Penilaian terhadap hasil kelulusan calon pengurus UKM Triple C angkatan 2024 dilakukan dengan menggunakan algoritma Decision Tree. Dataset yang digunakan terdiri dari 146 data pendaftar, di mana komponen Nilai Tugas, Nilai Organisasi, dan Total Nilai berperan sebagai variabel prediktor, sedangkan Status Kelulusan berfungsi sebagai variabel target. Model prediktif dibuat menggunakan algoritma Decision Tree Classifier dengan Gini Index sebagai kriteria pemisahan data. Temuan penelitian menunjukkan bahwa atribut Total Nilai berperan paling penting dalam membentuk pohon keputusan dan menghasilkan aturan klasifikasi yang mudah dipahami. Berdasarkan hasil evaluasi menggunakan confusion matrix, model menunjukkan performa yang sangat baik dengan tingkat akurasi rata-rata mencapai 99,33% yang diperoleh melalui metode 10-Fold Cross Validation. Hasil tersebut menunjukkan bahwa algoritma Decision Tree mampu mengklasifikasikan kelulusan calon anggota secara akurat. Oleh karena itu, penggunaan algoritma Decision Tree layak direkomendasikan sebagai sistem pendukung keputusan yang objektif dan efisien dalam proses seleksi anggota organisasi.
References
A. Irawan and D. Handayani Untari Ningsih, “Implementasi Algoritma Decision Tree dalam Sistem Pendukung Keputusan Seleksi Calon Karyawan Pada Pt G-Textile Indonesia Menggunakan Framework Django Python,” Jurnal Mahasiswa Teknik Informatika, vol. 10, no. 1, Feb. 2026.
N. Kokash and L. Makhnist, “Using Decision Trees for Interpretable Supervised Clustering,” SN Comput. Sci., vol. 5, no. 2, Feb. 2024, doi: 10.1007/s42979-023-02590-7.
G. A. Mundok, Amiruddin, and Z. Y. Lamasigi, “Klasifikasi Waktu Kelulusan Mahasiswa Menggunakan Metode Decision Tree,” Jurnal Ilmiah Ilmu Komputer, vol. 3, no. 1, pp. 31–36, 2024.
I. Sutoyo, “Implementasi Algoritma Decision Tree untuk Klasifikasi Data Peserta Didik,” PILAR Nusa Mandiri, vol. 14, no. 2, pp. 217–224, Sep. 2018, [Online]. Available: www.bsi.ac.id
R. Wahyu Hardian, Jasmir, and Sharipuddin, “Peningkatan Algoritma Decision Tree dalam Mengklasifikasi Tingkat Kelulusan Mahasiswa Universitas Jambi Dengan Seleksi Fitur Chi-Square,” Jurnal Manajemen Teknologi dan Sistem Informasi (JMS), vol. 5, no. 2, pp. 1105–1114, Sep. 2025, doi: 10.33998/jms.v5i2.
M. R. Qisthiano, P. A. Prayesy, and I. Ruswita, “Penerapan Algoritma Decision Tree dalam Klasifikasi Data Prediksi Kelulusan Mahasiswa,” G-Tech: Jurnal Teknologi Terapan, vol. 7, no. 1, pp. 21–28, Jan. 2023, doi: 10.33379/gtech.v7i1.1850.
Q. Ameliatus and Z. Fatah, “Klasifikasi Kelulusan Mahasiswa Menggunakan Metode Decision Tree Menggunakan Aplikasi Rapidminer,” Jurnal Riset Teknik Komputer, vol. 1, pp. 58–64, Dec. 2024, doi: 10.69714/em8qnw54.
Z. Fatah and M. Hasanah, “Penerapan Decision Tree pada Klasifikasi Kelulusan Mahasiswa,” JAMASTIKA, vol. 4, Oct. 2025.
D. Hartanti and A. I. Pradana, “Komparasi Metode Decission Tree, Logistic Regression, SVM, dan ANN Dalam Klasifikasi Kualitas Air,” SMARTICS Journal, vol. 9, no. 1, pp. 1–6, Apr. 2023, doi: 10.21067/smartics.v9i1.8113.
B. A. Ghaisani, G. A. Damayanti, R. M. A. Rani, N. Fitri, and W. S. Dharmawan, “Pemodelan Klasifikasi Kategori Harga Rumah Menggunakan Algoritma Decision Tree dengan Pendekatan CRISP-DM ,” Jurnal Informatika UPGRIS, vol. 11, no. 2, pp. 23–29, 2025.
T. Nabarian, I. Wahyuni, and S. El Farisi, “Penerapan Kerangka CRISP-DM dalam Evaluasi Performa Logistic Regression dan Decision Tree untuk Prediksi Kelulusan Mahasiswa,” Journal Computer Science, vol. 5, no. 1, pp. 46–55, Apr. 2026.
V. Kotu and B. Deshpande, Data Science: Concepts and Practice, 2nd ed. Cambridge, MA, USA: Morgan Kaufmann, 2019.
I. H. Sarker, “Machine Learning: Algorithms, Real-World Applications and Research Directions,” SN Computer Science, vol. 2, no. 3, pp. 1–21, 2021, doi: 10.1007/s42979-021-00592-x.
S. Sharma and A. Kumar, “A Survey on Decision Tree Algorithms of Classification in Data Mining,” International Journal of Scientific & Technology Research, vol. 9, no. 4, pp. 1234–1239, 2020.
P. Chapman, J. Clinton, R. Kerber, T. Khabaza, T. Reinartz, C. Shearer, and R. Wirth, CRISP-DM 1.0: Step-by-Step Data Mining Guide, 2000.
L. Breiman, J. Friedman, R. Olshen, and C. Stone, Classification and Regression Trees, New York: Chapman & Hall, 1984.
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Kristivera Sibagariang, Dhaevita Amartika, Nurani Anisa Putri, Laili Cahyani
This work is licensed under a Creative Commons Attribution 4.0 International License.
