Penerapan Algoritma C4.5 dengan Reduced Error Pruning untuk Klasifikasi Tingkat Quarter Life Crisis Mahasiswa

Elsa Valen Yunita Wijaya

doi:10.56427/jcbd.v5i3.1041

Authors

Elsa Valen Yunita Wijaya Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.56427/jcbd.v5i3.1041

Keywords:

Quarter Life Crisis, Algoritma C4.5, Reduced Error Pruning, Klasifikasi, Pohon Keputusan

Abstract

Fase transisi dari dunia perkuliahan menuju dunia profesional seringkali memicu quarter life crisis pada mahasiswa tingkat akhir akibat tingginya tekanan akademik, sosial, dan ketidakpastian karir. Penelitian ini bertujuan membangun model klasifikasi tingkat quarter life crisis mahasiswa serta menganalisis efektivitas algoritma C4.5 yang dioptimalkan dengan teknik Reduced Error Pruning (REP) untuk mengatasi overfitting dan menyederhanakan struktur pohon keputusan. Data dikumpulkan dari 952 responden mahasiswa aktif melalui kuesioner yang mencakup variabel demografis dan psikologis, kemudian diproses melalui tahap persiapan data, pembentukan model dengan rasio pembagian data 70:15:15, dan evaluasi menggunakan confusion matrix. Atribut kesiapan karir, kejelasan karir, dan reaksi terhadap tekanan kerja teridentifikasi sebagai prediktor paling dominan berdasarkan nilai gain ratio tertinggi. Penerapan REP meningkatkan akurasi model dari 82,3% menjadi 87,4% dan menyederhanakan pohon dari 14 menjadi 10 simpul keputusan, sehingga aturan klasifikasi lebih mudah dibaca oleh praktisi konseling. Kebaruan penelitian ini terletak pada integrasi REP ke dalam algoritma C4.5 untuk data kuesioner psikologis mahasiswa Indonesia. Model yang dihasilkan terbukti efektif memberikan rekomendasi objektif bagi unit layanan konseling kampus dalam deteksi dini masalah psikologis mahasiswa.

Downloads

Download data is not yet available.

References

[1] Y. Wulandari, E. Haerani, S. Kurnia Gusti, and D. S. Ramadhani, “Klasifikasi Berita Menggunakan Algoritma C4.5,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 2, 2022, doi: 10.32672/jnkti.v5i2.4194.

[2] K. Valentino and D. Hendrawan, “Tinjauan Sistematis: Gambaran Quarter-life Crisis, Dampak, serta Faktor-faktor yang Memengaruhinya,” Buletin Psikologi, vol. 33, no. 1, p. 26, Jun. 2025, doi: 10.22146/buletinpsikologi.98848.

[3] F. Nur Anifah and A. Rohman, “Penerapan Algoritma C4.5 dalam Memprediksi Kepuasan Siswa Terhadap Kinerja Guru SMK,” Jurnal Algoritma, vol. 23, no. 1, May 2026, doi: 10.33364/algoritma/v.23-1.3203.

[4] D. W. S. Azahra, W. E. Setyowati, and B. Febriana, “The Relationship between Self-Disclosure and Quarter-Life Crisis among Nursing Students,” Journal of Medical Practice and Research, no. 2, pp. 61–69, Dec. 2025, doi: 10.65310/r4f7ka29.

[5] E.-T. R. Widaad, Arbin Janu Setiyowati, and Diniy Hidayatur Rahman, “Hubungan Dukungan Sosial dan Regulasi Emosi dengan Quarter Life Crisis Mahasiswa,” Buletin Konseling Inovatif, vol. 3, no. 3, pp. 203–216, Oct. 2023, doi: 10.17977/um059v3i32023p203-216.

[6] S. Pazer, “Prevalence, predictors, and psychosocial correlates of the quarter-life crisis in early adulthood,” Discover Psychology, vol. 6, no. 1, Dec. 2026, doi: 10.1007/s44202-026-00781-w.

[7] H. Santoso, D. Desliani, P. Studi Ilmu Komputer, and F. Sains dan Teknologi, “Analisis Sentimen Mahasiswa Terkait Pembelajaran Tatap Muka Menggunakan Metode Na????̈ve Bayes ClassifierStudent Sentiment Analysis aboutFace-To-Face Learning using Na????̈ve Bayes Classifi,” Aug. 2022. doi: 10.33633/tc.v21i3.6262.

[8] F. O. D. S. Budi, Y. Wandansari, and D. Tedjawidjaja, “Florentia Olivia Dermawan Setia Budi, Yettie Wandasari, Detricia Tedjawidjaja : Quarter Life Crisisdan Self-Efficacypada Lulusan Perguruan Tinggi Usia Dewasa Awal yang Menganggur Relationship Dewasa Awal,” Experientia: Jurnal Psikologi Indonesia, vol. 13, no. 2, pp. 195–210, Dec. 2025, doi: 10.33508/exp.v13i2.7889.

[9] A. Kautsar, “Classification of Korean Drama Popularity Based on Ratings Using Naïve Bayes,” Journal of Computers and Digital Business, vol. 5, no. 1, pp. 23–30, Jan. 2026, doi: 10.56427/jcbd.v5i1.814.

[10] L. P. Simanjuntak, “Penerapan Data Mining Dalam Proses Hukum Pidana Bagi Pelaku Kekerasan Pada Wanita Menggunakan Algoritma C4.5,” ADA Journal of Information System Research, vol. 1, no. 2, pp. 79–92, Feb. 2024, doi: 10.64366/adajisr.v1i2.41.

[11] Rizki Nur Saadah Lingga and Nita Maharani Harahap, “Data Mining Analisis Kecendrungan Minat Pembeli Menggunakan Algoritma Apriori Pada Outlet Mao Mao Thai Tea,” Journal of Computers and Digital Business, vol. 3, no. 2, pp. 50–58, May 2024, doi: 10.56427/jcbd.v3i2.398.

[12] J. D. Atwood and C. Scholtz, “The Quarter-life Time Period: An Age of Indulgence, Crisis or Both?,” Contemp. Fam. Ther., vol. 30, no. 4, pp. 233–250, 2008, doi: 10.1007/s10591-008-9066-2.

[13] D. Made Aryadi Mertha Sanjaya, A. A. Istri Ita Paramitha, and N. Widya Utami, “Penerapan Data Mining untuk Prediksi Mahasiswa Berpotensi Non-Aktif Menggunakan Algoritma C4.5: Studi Kasus STMIK Primakara,” Jun. 2022. doi: 10.22437/jiituj.v6i1.19600.

[14] M. H. Sukri and Y. Handrianto, “Penerapan Algoritma C4.5 Dalam Menentukan Prediksi Prestasi Siswa Pada SMPN 51 Jakarta,” Feb. 2024. doi: 10.31294/icej.v4i1.2582.

[15] A. N. Aziziah, A. I. Purnamasari, and I. Ali, “PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI STOK BAHAN MINUMAN DI CAFE SEMANIS,” Feb. 2024. doi: 10.36040/jati.v8i1.8347.

[16] E. Devia, “Penerapan Decision Tree Dengan Algoritma C4.5 Untuk Menentukan Rekomendasi Kenaikan Jabatan Karyawan,” JURNAL INFORMATION SYSTEM, vol. 3, no. 1, pp. 028–037, May 2023, doi: 10.61488/jis.v3i1.257.