RECOMMENDATION SYSTEM FOR VOCATIONAL MAJOR STREAMING BY C4.5 ALGORITHM

This study was aimed at presenting decision tree model using C4.5 algorithm in developing a major selection system for vocational schools. The study was reseach and development using questionnaires and documentation as data collection instruments. The input variables were: interest, academic talent, National Exam score, and gender. The target variable was choice of majors. Decision trees were used to analyze the data from grade 10 of vocational schools Batang in District. The C4.5 Algorithm was used to build decision trees in describing the relationship between the input variables and the target variable in the form of patterns. The patterns were used as a guide for the classification of the input variables into the target variable. The data were analyzed by comparing results of the output system and students’ highest parallel ranking. Results show that the system is able to provide appropriate recommendations up to 83.33% out of the 48 tested data SISTEM REKOMENDASI PENJURUSAN SEKOLAH MENENGAH KEJURUAN DENGAN ALGORITMA C4.5 Penelitian ini bertujuan untuk menyajikan model decision tree dengan algoritma C4.5 dalam mengembangkan sistem rekomendasi pemilihan jurusan untuk calon siswa baru Sekolah Menengah Kejuruan (SMK). Pendekatan yang digunakan adalah research and development (R&D). Pengumpulan data dilakukan dengan teknik angket dan studi dokumentasi. Variabel input yang digunakan dalam penelitian ini antara lain: minat, bakat akademik, nilai ujian nasional, dan jenis kelamin. Pilihan jurusan menjadi variabel target. Decision tree digunakan dalam menganalisis data siswa kelas 10 SMK se-Kecamatan Batang. Algoritma C4.5 digunakan untuk membangun decision tree yang menggambarkan hubungan antara variabel input dengan variabel target dalam bentuk pola. Pola tersebut digunakan sebagai aturan untuk proses klasifikasi variabel input ke dalam variabel target. Data penelitian dianalisis dengan cara membandingkan hasil output system dengan data siswa kelas 10 dengan tiga besar ranking paralel sebagai data uji. Hasil uji sistem menunjukkan bahwa sistem dapat memberikan rekomendasi yang tepat sebesar 83,33% dari 48 data uji