ANALISIS POLA BELAJAR SISWA MENGGUNAKAN DATA MINING DENGAN ALGORITMA DECISION TREE C4.5 UNTUK MENINGKATKAN HASIL BELAJAR BAHASA INGGRIS

VIVI INDRIANI HASIBUAN, NPM 2209100134 (2026) ANALISIS POLA BELAJAR SISWA MENGGUNAKAN DATA MINING DENGAN ALGORITMA DECISION TREE C4.5 UNTUK MENINGKATKAN HASIL BELAJAR BAHASA INGGRIS. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (675kB)
	Text BAB I.pdf Download (142kB)
	Text BAB II.pdf Download (385kB)
	Text BAB III.pdf Download (897kB)
	Text BAB IV.pdf Download (913kB)
	Text BAB V.pdf Download (8kB)
	Text DAFTAR PUSTAKA.pdf Download (123kB)

Abstract

Penelitian ini bertujuan untuk menganalisis pola belajar siswa dalam mata pelajaran Bahasa Inggris menggunakan teknik Data Mining dengan algoritma Decision Tree C4.5. Data yang digunakan meliputi variabel absensi, kelas tambahan, penggunaan media digital, dan nilai siswa. Metode penelitian yang digunakan mengikuti tahapan Knowledge Discovery in Database (KDD), yaitu pengumpulan data, preprocessing, pengolahan data, serta evaluasi model. Hasil penelitian menunjukkan bahwa faktor absensi, penggunaan media digital, dan keikutsertaan dalam kelas tambahan memiliki pengaruh signifikan terhadap hasil belajar siswa, dengan absensi sebagai faktor paling dominan. Model yang dihasilkan berupa pohon keputusan mampu menggambarkan hubungan antar variabel secara jelas dan mudah dipahami. Evaluasi model menunjukkan tingkat akurasi yang cukup baik, yaitu sekitar 83% hingga 85%, sehingga model dinilai mampu melakukan klasifikasi dengan baik . Hasil analisis ini dapat dimanfaatkan sebagai dasar dalam merancang strategi pembelajaran yang lebih efektif, adaptif, dan berbasis data guna meningkatkan hasil belajar Bahasa Inggris siswa. Kata kunci : Data Mining, Decision Tree C4.5, Pola Belajar, Hasil Belajar, Bahasa Inggris ================================================================================================== This study aims to analyze students’ learning patterns in English subjects using Data Mining techniques with the Decision Tree C4.5 algorithm. The data used include attendance, additional classes, use of digital media, and student grades. The research method follows the Knowledge Discovery in Database (KDD) stages, including data collection, preprocessing, data processing, and model evaluation. The results show that attendance, the use of digital media, and participation in additional classes significantly influence students’ learning outcomes, with attendance being the most dominant factor. The resulting model in the form of a decision tree is able to clearly describe the relationships between variables and is easy to interpret. The model evaluation shows a fairly good accuracy level of approximately 83% to 85%, indicating that the model performs well in classification . The findings can be utilized as a basis for developing more effective, adaptive, and data-driven learning strategies to improve students’ English learning outcomes. Keywords : Data Mining, Decision Tree C4.5, Learning Patterns, Learning Outcomes, Englis

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Data Mining, Decision Tree C4.5, Pola Belajar, Hasil Belajar, Bahasa Inggris ============================================= Data Mining, Decision Tree C4.5, Learning Patterns, Learning Outcomes, Englis
Subjects:	L Education > L Education (General) L Education > LA History of education Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	27 Apr 2026 03:52
Last Modified:	27 Apr 2026 03:52
URI:	http://repository.ulb.ac.id/id/eprint/2168

Actions (login required)

View Item