BAB I
PENDAHULUAN
1.1 Latar Belakang
Data mining adalah suatu konsep 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. KDD secara umum juga dikenal sebagai pangkalan data. 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.
Masih menjadi isu sentral di dunia pendidikan tinggi khususnya program diploma dalam hal faktor prediktor dan teknik yang digunakan untuk memprediksi
keinginan mahasiswa diploma dalam melanjutkan studinya ke jenjang sarjana setelah menyelesaikan studi pada tingkat diploma. Hingga saat ini masih jarang
ditemukan prediktor-prediktor serta teknik yang cukup handal dan akurat dalam memprediksi tingkat keinginan mahasiswa diploma untuk melanjutkan studinya
ke jenjang sarjana, apakah mereka akan melanjutkan studinya pada bidang ilmu
Universitas Sumatera Utara
yang sama atau melanjukan studinya tapi kebidang ilmu yang berbeda atau tidak malanjutkan studinya.
Dewasa ini kemajuan teknologi informasi dan komputer telah menyediakan fasilitas penyimpanan data dalam format elektronik sehingga
penyimpanan data bukan lagi menjadi satu pekerjaan yang sulit. Sebagai konsekuensinya jumlah data yang disimpan mengalami peningkatan yang sangat
cepat dari segi kuantitas dan kualitas. Pada institusi pendidikan tinggi data dapat diperoleh dari data historis dan data kegiatan operasional sebuah perguruan
tinggi, dimana data ini akan bertambah secara terus menerus, sehingga proses eksplorasi data dalam menentukan hubungan antar variabel didalam data menjadi
sangat lambat dan memiliki proses yang subjektif. Salah satu Solusi yang mungkin digunakan untuk menangani masalah ini adalah konsep menemukan
pengetahuan di dalam pangkalan data. Beberapa tahun belakangan ini telah terjadi peningkatan penelitian di area
pendidikan dengan menggunakan teknik-teknik penambangan data. Aplikasi dari teknik penambangan data ini difokuskan untuk membangun metode-metode untuk
mengungkapkan pengetahuan yang tersimpan didalam data dan digunakan untuk membuka informasi yang tersembunyi didalam data yang tidak nampak
dipermukaan tetapi potensial untuk digunakan. Pengungkapan pengetahuan ini juga dapat digunakan untuk lebih mengetahui bagaimana prilaku belajar seorang
mahasiswa di tingkat diploma, sehingga dapat membantu para dosen untuk lebih mengenal situasi para mahasiswanya, dapat dijadikan sebagai pengetahuan dini
untuk mengambil tindakan preventif dalam hal mengantisipasi mahasiswa drop- out, untuk memicu meningkatkan prestasi mahasiswa, untuk meningkatkan
kurikulum, termasuk juga untuk memprediksi keinginan mahasiswa dalam melanjutkan studinya kejenjang yang lebih tinggi dan banyak lagi keuntungan lain
yang bisa diperoleh dari hasil penambangan data. 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
Universitas Sumatera Utara
data mining dalam bidang pendidikan antara tahun 1995 sampai 2005, hasil penelitian yang dilakukan menyimpulkan bahwa data mining yang berhubungan
dengan pendidikan sangat baik untuk diteliti terutama di bidang e-learning, multimedia, artificial intelligent 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. 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, pemanfaatan
waktu dan dukungan orang tua di perguruan tinggi. Dalam penelitian ini akan di teliti tentang perilaku mahasiswa diploma
untuk melanjutkan studi ke jenjang sarjana akan digunakan teknik decision tree C 4.5 untuk menganalisis dan membangun sebuah model prediksi berdasarkan
perilaku belajar mahasiswa diploma dan menggunakan teknik Support Vector Machine untuk mengklasifikasi mahasiwa tersebut berdasarkan model prediksi
yang diperoleh oleh decision tree. Kedua metode ini dipilih karena metode decision tree ini cukup sederhana dan banyak dipergunakan oleh peneliti lain
dalam mengembangkan sebuah model. Metode Support Vector Machine SVM merupakan teknik yang relative baru dalam pattern recognition dan merupakan
state of art dalam pattern recognition dan machine learning karena kehandalannya dalam memproses data berdimensi banyak.
Penelitian ini mengambil area pendidikan tinggi sebagai sebagai salah satu domain penelitian dalam bidang penambangan data dengan sumber data dari
database akademik AMIK Tunas Bangsa Pematang Siantar dan melakukan survey terhadap 1300 orang mahasiswa D3 Manajemen Informatika AMIK Tunas
Bangsa Angkatan 20092010 .
Universitas Sumatera Utara
Penelitian ini diharapkan dapat memberikan kontribusi bagi perguruan tinggi swasta khususnya Akademi Manajemen Informatika dan Komputer
AMIK Tunas Bangsa Pematangsiantar.
1.2 Perumusan Masalah
Kategori