Data Mining to Prediction Student Achievement based on Motivation, Learning and Emotional Intelligence in MAN 1 Ketapang

Full Text (PDF, 498KB), PP.53-60

Views: 0 Downloads: 0

Author(s)

Muhammad U. Fahri 1,* Sani M. Isa 1

1. Binus Graduate Programs, Bina Nusantara University

* Corresponding author.

DOI: https://doi.org/10.5815/ijmecs.2018.06.07

Received: 5 Mar. 2018 / Revised: 26 Mar. 2018 / Accepted: 10 Apr. 2018 / Published: 8 Jun. 2018

Index Terms

Data Mining, Neural Network, Decision Tree, Student Motivation, Student Learning, Intelligence Emotional

Abstract

The problems that exist in the school decline in student achievement ahead of class III, especially before approaching the national exam. If the learning achievement of third-grade students can be known earlier then the school can perform the actions necessary for students to achieve good learning achievement.
This research uses two methods of data mining, Neural Network Model Multilayer Perceptron, and Decision Tree. For comparison, this study also uses t-statistic test, t-test and to compare precision/recall using Roc Curve.
Neural Network Model Multilayer Perceptron Positive performance vector accuracy: 88.64% and Negative: 14.07%, precision (positive guidance class) positive 88.00% and negative 16.88%, recall (class: Ordinary guidance) positive 84.50%, and negative 21.73%. Decision Tree Positive performance vector accuracy: 84.82% and Negative: 15.24%, precision (positive guidance class) positive 86.55% and negative 18.52%, recall (class: ordinary guidance) positive 84.00% and negative 23.85%
Experiments conducted in this study aims to prove that data mining can predict student achievement by finding the best data mining method between the multilayer perceptron neural network and Decision tree to be implemented into integrated information system between student motivation data, student learning interest, and intelligence emotional students.

Cite This Paper

Muhammad U. Fahri, Sani M. Isa, " Data Mining to Prediction Student Achievement based on Motivation, Learning and Emotional Intelligence in MAN 1 Ketapang", International Journal of Modern Education and Computer Science(IJMECS), Vol.10, No.6, pp. 53-60, 2018. DOI:10.5815/ijmecs.2018.06.07

Reference

[1]Arisandi, R., & Latifah, M. (n.d.). Analisis Persepsi anak terhadap gaya pengasuh orangtua, kecerdasan emosional, aktifitas dan prestasi belajar siswa kelas XI di SMA negeri 3 Sukabumi. Departemen ilmu Keluarga dan konsumen, Fakultas Ekologi Manusia IPB.
[2]Daniati, E. (n.d.). Klasifikasi Kelompok Penjamin Mutu Pada Karyawan perusahaan XYZ dengan KNN dan J48. Nusantara Of Engenering, Vol 2.
[3]Daud, F. (2012). Pengaruh Kecerdasan Emosional (EQ) dan Motivasi belajar terhadap hasil belajar biologi siswa SMA 3 negeri kota palopo. Jurnal Pendidikan dan Pembelajaran, Volume 19, Nomor 2.
[4]Fitri, S. (2014). Perbandingan Kinerja Algoritma Klasifikasi Naive Bayesian, Lazy IBK, Zero - R, Dan Decisson Tree-J48. Jurnal Dasi, Vol.15 No 1.
[5]Hamdu, G., & Agustina, L. (2011). Pengaruh motivasi belajar siswa terhadap pestasi belajar ipa di sekolah dasar. Jurnal Penelitian Pendidikan, Vol 12. No 1.
[6]Hermawati, N. W. (2012). Pengaruh Model pembelajaran ikuiri terhadap penguasaan konsep biologi dan sikap ilmiah siswa ditinjau dari minat belajar siswa. Artikel Program Studi Pendidikan Sains Program Pascasarjana Universitas Peneididikan Ganesha.
[7]Lesmana, I. P. (2012). Pengembangan Decisson Tree J48 untuk diagnosis Penyakit diabetes melitus. Seminar Nasional Teknologi Informasi & Komunikasi Terapan.
[8]Mawarsih, S. E., Susilaningsih, & Hamidi, N. (2013). Pengaruh Perhatian orang tua dan motivasi belajar terhadap presatasi belajar siswa SMA Negeri Jumapolo. Jupe UNS, Hal 1 s/d 13.
[9]Mayadewi, P., & Rosely, E. (2015). Prediksi Nilai Proyek Akhir Mahasiswa Menggunakan Algoritma Klasifikasi Data Mining. Seminar Nasional Sistem Informasi Indonesia, 2.3.
[10]Meinanda, M. H., Annisa, M., Muhandri, N., & Suryadi, K. (2009). Prediksi Masa studi sarjana dengan Arficial Neurel Network. Internetworking Indonesia Journal, Vol 1/No 2.
[11]Purnamasary, D., Henharta, J., Sasmita, Y. P., Ihsani, F., & Wicaksana, I. W. (2013). Get Easy Using Weka. Makasar: Dapur Buku.
[12]Rohim, A. (2011). Pengaruh minat belajar terhadap prestasi belajar siswa pada bidang studi PAI. Jurusan Pendidikan agama islam fakultas ilmu tarbiyah dan keguruan.
[13]Sappaile, B. I. (2007). Hubungan kemampuan penalaran dalam matematika dan Motivasi berprestasi terhadap prestasi belajar matematika. Jurnal Pendidikan dan Kebudayaan, 069.
[14]Siagian, R. E. (n.d.). Pengaruh Minat dan Kebiasaan Belajar Siswa terhadap Prestasi belajar Matematika. Jurnal Formatif 2, 121-131.
[15]Susanto, H., & Sudiyanto. (2014). Data mining untuk memprediksi prestasi siswa berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu. Jurnal Pendidikan Vokasi.
[16]Syarif, I. (2012). Pengaruh Model Blended Learning Terhadap Motivasi dan Prestasi Belajar Siswa SMK. Jurnal Pendidikan Vokasi, Vol 2 , Nomor 2.
[17]Thaib, E. N. (2013). Hubungan Antara prestasi belajar dengan kecerdasan emosional. Jurnal Ilmiah Didaktika, VOL . XIII No.2.
[18]Thaib, E. N. (2013). Hubungan antara prestasi belajar siswa dengan kecerdasan emosional. Jurnal Ilmiah Didaktika, 2.
[19]W, Y. Y. (2007). Perbandingan performansi algoritma decision tree c5.0, cart, dan chaid: kasus prediksi status resiko kredit di bank x. Seminar Nasional Aplikasi Teknologi Informasi.
[20]Wasti, S. (2013). Hubungan Minat Belajar dengan hasil belajar mata pelajaran tata busana di madrasah aliyah negeri 2 Padang. Program Studi Pendidikan Kesahjahtraan Keluarga Fakultas Teknik Universitas Negeri Padang.