Analisis data menggunakan tahapan CRISP-DM dengan metode klasifikasi Decision Tree pada Student Performance Dataset dari UCI Machine Learning Repository. Penelitian ini bertujuan memprediksi status kelulusan mahasiswa berdasarkan beberapa faktor akademik seperti nilai sebelumnya, waktu belajar, jumlah kegagalan mata kuliah, dan absensi. Proses analisis meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan interpretation. Hasil analisis menunjukkan bahwa nilai akademik sebelumnya dan jumlah kegagalan mata kuliah menjadi faktor yang paling berpengaruh terhadap kelulusan mahasiswa. Model Decision Tree juga memberikan visualisasi yang mudah dipahami dalam proses pengambilan keputusan klasifikasi.

boxplot

Analiza unor indicatori macroeconomici inregistrati la nivelul Romaniei

Este artículo presenta un recorrido técnico y práctico por las distribuciones de probabilidad más influyentes en el análisis de datos moderno. A través de un enfoque pedagógico, se desglosan la Distribución Normal y Lognormal para variables biométricas (como la presión arterial), la Distribución Chi-cuadrado para la inferencia estadística, y el binomio Poisson-Exponencial para el modelado de eventos discretos y tiempos de espera en el sector comercial.

Analisis Decision Tree menggunakan metode entropy dan information gain untuk menentukan atribut terbaik sebagai root node dalam proses klasifikasi. Dataset yang digunakan terdiri dari atribut Cuaca, Angin, dan Bermain. Proses analisis dilakukan melalui perhitungan manual serta implementasi menggunakan bahasa R dengan package rpart dan rpart.plot. Hasil analisis menunjukkan bahwa atribut Angin memiliki nilai information gain terbesar sehingga menjadi root node pada pohon keputusan. Model kemudian digunakan untuk melakukan prediksi data baru dan menghasilkan keputusan Bermain = Tidak. Hasil perhitungan manual dan software menunjukkan hasil yang sama sehingga membuktikan bahwa proses pembentukan Decision Tree telah dilakukan dengan benar.