BAB I
PENDAHULUAN
1.1 Latar Belakang
Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi
otomatik yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi
pengetahuan potensial dan berguna yang tersimpan di dalam database besar. Turban et al, 2005 .
Data mining adalah bagian dari proses KDD Knowledge Discovery in Databases yang terdiri dari beberapa tahapan seperti pemilihan data, pra
pengolahan, transformasi, data mining, dan evaluasi hasil Maimon dan Last, 2000
Teknik data mining secara garis besar dapat dibagi dalam dua kelompok: verifikasi dan discovery. Metode verifikasi umumnya meliputi teknik-teknik
statistik seperti goodness of fit, dan analisis variansi. Metode discovery lebih lanjut dapat dibagi atas model prediktif dan model deskriptif. Teknik prediktif
melakukan prediksi terhadap data dengan menggunakan hasil-hasil yang telah diketahui dari data yang berbeda. Model ini dapat dibuat berdasarkan penggunaan
data historis lain. Sementara itu, model deskriptif bertujuan mengidentifikasi pola-pola atau hubungan antar data dan memberikan cara untuk mengeksplorasi
karakteristik data yang diselidiki Dunham, 2003. Kegiatan dan kemajuan belajar mahasiswa dilakukan penilaian secara
berkala, yang dapat berbentuk ujian, pelaksanaan tugas, dan pengamatan oleh dosen. Ujian dapat diselenggarakan melalui ujian tengah semester, ujian akhir
semester, ujian akhir program studi, ujian skripsi.
Universitas Sumatera Utara
Penilaian hasil belajar dinyatakan dengan huruf A, B, C, D, dan E yang masing masing bernilai 4, 3, 2, 1, dan 0. Kepmendiknas No. 232U2000 BAB V
Pasal 12. Kurikulum pendidikan tinggi adalah seperangkat rencana dan pengaturan
mengenai isi maupun bahan kajian dan pelajaran serta cara penyampaian dan penilaiannya yang digunakan sebagai pedoman penyelenggaraan kegiatan
belajar mengajar di perguruan tinggi. Kelompok Matakuliah Pengembangan Kepribadian MPK adalah kelompok bahan kajian dan pelajaran untuk
mengembangkan manusia Indonesia yang beriman dan bertaqwa terhadap Tuhan Yang Maha Esa dan berbudi pekerti luhur, berkepribadian mantap, dan
mandiri serta mempunyai rasa tanggung jawab kemasyarakatan dan kebangsaan. Kelompok Matakuliah Keilmuan dan Keterampilan MKK
adalah kelompok bahan kajian dan pelajaran yang ditujukan terutama untuk memberikan landasan penguasaan ilmu dan ketrampilan tertentu. Kelompok
Matakuliah Keahlian Berkarya MKB adalah kelompok bahan kajian dan pelajaran yang bertujuan menghasilkan tenaga ahli dengan kekaryaan
berdasarkan dasar ilmu dan ketrampilan yang dikuasai. Kelompok Matakuliah Perilaku Berkarya MPB adalah kelompok bahan kajian dan pelajaran yang
bertujuan untuk membentuk sikap dan perilaku yang diperlukan seseorang dalam berkarya menurut tingkat keahlian berdasarkan dasar ilmu dan
keterampilan yang dikuasai. Kelompok Matakuliah Berkehidupan Bermasyarakat MBB adalah kelompok bahan kajian dan pelajaran yang
diperlukan seseorang untuk dapat memahami kaidah berkehidupan bermasyarakat sesuai dengan pilihan keahlian dalam berkarya. Kepmendiknas
No. 232U2000 Pasal 6,7,8,9,10 dan 11. Dalam beberapa penelitian yang telah dilakukan oleh peneliti yang
dituliskan dalam jurnal atau karya ilmiah tentang penggunaan data mining pada perguruan tinggi adalah : Romero dan Ventura, 2007, telah melakukan survey
data mining dalam bidang pendidikan antara tahun 1995 sampai 2005, mereka menyimpulkan bahwa data mining yang berhubungan dengan pendidikan sangat
baik untuk diteliti terutama di bidang e-learning, multimedia, artificial intelligent
Universitas Sumatera Utara
dan web database. Merceron dan Yacep, 2005 melakukan penelitian menggunakan data mining untuk mengidentifikasi perilaku mahasiswa yang
cenderung gagal pada prestasi akademik sebelum ujian akhir. Waiyamai, 2003 menggunakan data mining untuk membantu dalam pengembangan kurikulum
baru. El-Halees, 2008 menganalisis perilaku belajar mahasiswa dengan teknik data mining. Ogor, 2007 menggunakan teknik data mining yang digunakan
untuk membangun prototipe Penilaian Kinerja Monitoring System PAMS untuk mengevaluasi kinerja mahasiswa. Sembiring, et al., 2009 menggunakan teknik
data mining dalam pemantauan dan memprediksi peningkatan prestasi mahasiswa berdasarkan minat, prilaku belajar, pemanfatan waktu dan dukungan orang tua di
perguruan tinggi. Walaupun telah banyak penelitian yang dilakukan berkaitan dengan indeks
prestasi mahasiswa namun faktor-faktor yang mempengaruhi indeks prestasi mahasiswa masih belum dapat diketahui dengan pasti sehingga perlu dilakukan
penelitian untuk melihat keterhubungan data mahasiswa dengan indeks prestasi. Tesis ini mengaplikasikan teknik data mining dengan algoritma C 4.5
dalam membuat model aturan keterhubungan data mahasiswa berdasarkan matakuliah Kurikulum Berbasis Kompetensi KBK dan data demografi yang
mendukung peningkatan indeks prestasi mahasiswa. Model aturan yang diperoleh untuk mengklasifikasikan predikat mahasiswa yang terdiri dari dengan pujian,
sangat memuaskan, memuaskan, dan buruk .
Dengan menggunakan Algoritma C 4.5, penelitian tesis ini akan memberikan aturan dalam bentuk decision tree agar mahasiswa dapat
meningkatkan nilai matakuliah untuk meningkatkan indeks prestasi pada semester yang akan diambil berikutnya. Penelitian ini diharapkan dapat memberikan
kontribusi bagi perguruan tinggi swasta khususnya Akademi Manajemen Informatika dan Komputer AMIK Tunas Bangsa Pematangsiantar.
Model aturan keterhubungan data mahasiswa dengan indeks prestasi yang diperoleh dari tesis ini menunjukkan bahwa faktor ekonomi orang tua merupakan
variabel yang dominan dalam meningkatkan indeks prestasi mahasiswa di AMIK Tunas Bangsa Pematangsiantar.
Universitas Sumatera Utara
1.2 Perumusan Masalah
Kategori