Analisis dan prediksi pada perilaku mahasiswa diploma untuk melanjutkan studi ke jenjang sarjana menggunakan teknik decision tree dan support vektor machine

ANALISIS DAN PREDIKSI PADA PERILAKU MAHASISWA

DIPLOMA UNTUK MELANJUTKAN STUDI KE

JENJANG SARJANA MENGGUNAKAN

TEKNIK DECISION TREE DAN

SUPPORT VEKTOR MACHINE

TESIS

Oleh

HERI SANTOSO

097038017/TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

ANALISIS DAN PREDIKSI PADA PERILAKU MAHASISWA

DIPLOMA UNTUK MELANJUTKAN STUDI KE

JENJANG SARJANA MENGGUNAKAN

TEKNIK DECISION TREE DAN

SUPPORT VEKTOR MACHINE

TESIS

Diajukan sebagai salah satu syarat untuk memperoleh gelar

Magister Komputer dalam Program Studi Magister

Teknik Informatika pada Program Pascasarjana

Fakultas Ilmu Komputer dan Teknologi Informasi

Universitas Sumatera Utara

Oleh

HERI SANTOSO 097038017/TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

PENGESAHAN TESIS

Judul Tesis : ANALISIS DAN PREDIKSI PADA PERI LAKU MAHASISWA DIPLOMA UNTUK MELANJUTKAN STUDI KE JENJANG

SARJANA MENGGUNAKAN TEKNIK

DECISION TREE DAN SUPPORT VEKTOR MACHINE

Nama Mahasiswa : HERI SANTOSO Nomor Induk Mahasiswa : 097038017

Program Studi : MAGISTER TEKNIK INFORMATIKA

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI

UNIVERSITAS SUMATERA UTARA

Menyetujui Komisi Pembimbing

Dr. Marwan Ramli

Anggota Ketua

Prof. Dr. Muhammad Zarlis

Ketua Program Studi Dekan

Prof. Dr. Muhammad Zarlis Prof. Dr. Muhammad Zarlis NIP : 195707011986011003 NIP :

PERNYATAAN ORISINALITAS

ANALISIS DAN PREDIKSI PADA PERILAKU MAHASISWA

DIPLOMA UNTUK MELANJUTKAN STUDI KE

JENJANG SARJANA MENGGUNAKAN

TEKNIK DECISION TREE DAN

SUPPORT VEKTOR MACHINE

TESIS

Dengan ini saya nyatakan bahwa saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap bagiannya telah di jelaskan sumbernya dengan benar.

Medan, Juli 2012

HERI SANTOSO. NIM : 097038017

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini:

Nama : HERI SANTOSO

Nim : 097038017

Program Studi : Magister ( S2) Teknik Informatika

Jenis Karya Ilmiah : TESIS

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty free Right) atas Tesis saya yang berjudul:

ANALISIS DAN PREDIKSI PADA PERILAKU MAHASISWA

DIPLOMA UNTUK MELANJUTKAN STUDI KE JENJANG

SARJANA MENGGUNAKAN TEKNIK DECISION TREE

DAN SUPPORT VEKTOR MACHINE

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan Tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, Juli 2012

HERI SANTOSO NIM : 097038017

Telah diuji pada

Tanggal : 10 Juli 2012

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Muhammad Zarlis Anggota : 1. Prof. Dr. Herman Mawengkang

2. Prof. Dr. Tulus

3. Dr. Zakarias Situmorang 4. Dr. Marwan Ramli

RIWAYAT HIDUP

DATA PRIBADI

Nama lengkap berikut gelar : Heri Santoso, SKom Tempat dan Tanggal Lahir : Medan, 19 Nopember 1967 Alamat Rumah : Jl. Besitang No. 54 P. Brandan

Telepon / HP : 0821 6700 5000

Email

Instansi Tempat Bekerja : AMIK Tunas Bangsa

Alamat Kantor : Jl. Jendral Sudirman Blok A No. 1,2,3 Pematangsiantar

Telepon : (0622) 22431

DATA PENDIDIKAN

SD : SD NEGERI No. 050747 Tamat : 1980

SMP : SMP BABALAN Tamat : 1983

SMA : SMU NEGERI 1 Tamat : 1986

D3 : AMIK LOGIKA MEDAN Tamat : 2005

Strata-1 : STMIK LOGIKA Medan Tamat : 2006 Strata-2 : FASILKOM - TI USU Tamat : 2012

KATA PENGANTAR

Pertama-tama kami panjatkan puji syukur kehadirat Allah SWT Tuhan Yang Maha Esa atas segala limpahan rakhmad dan karunia-Nya sehingga Tesis ini dapat diselesaikan melalui bimbingan, arahan dan bantuan yang diberikan berbagai pihak khususnya pembimbing, pembanding, para dosen, teman teman mahasiswa, khususnya mahasiswa Program Studi Magister (S2) Teknik Informatika di Fasilkom-TI Universitas Sumatera Utara.

Tesis dengan judul: ” Analisis dan prediksi pada perilaku mahasiswa diploma untuk melanjutkan studi ke jenjang sarjana menggunakan teknik decision tree dan support vektor machine ” adalah merupakan Tesis dan syarat untuk memperoleh gelar Magister Komputer dalam Program Studi Magister (S2) Teknik Informatika pada Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara

Dengan selesainya tesis ini, perkenankanlah penulis mengucapkan terima kasih yang sebesar-besarnya kepada:

Ketua Yayasan Muhammad Nasir AMIK Tunas Bangsa Pematangsiantar H. Maulia Ahmad Ridwan Syah , Direktur AMIK Tunas Bangsa Pematangsiantar Dedi Hartama yang telah memberikan izin, bantuan moril dan materil dan kesempatan kepada penulis untuk mengikuti pendidikan lanjutan pada Program Pascasarjana Fasilkom-TI USU.

Rektor Universitas Sumatera Utara, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M,Sc (CTM), Sp. A(K) atas kesempatan yang diberikan kepada penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister (S2).

Dekan Fasilkom-TI Universitas Sumatera Utara, Ketua Program Studi Magister (S2) Teknik Informatika, Prof. Dr. Muhammad Zarlis, Sekretaris

Program Studi Magister (S2) Teknik Informatika M. Andri Budiman, ST, M. Comp. Sc, M.EM beserta seluruh Staff dan Staff Pengajar pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara, yang telah bersedia membimbing penulis, sehingga dapat menyelesaikan pendidikan tepat pada waktunya.

Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Muhammad Zarlis selaku Pembimbing Utama dan Dr. Marwan Ramli selaku Pembimbing Anggota yang dengan penuh kesabaran membimbing, memotivasi, memberikan dukungan moril, kritik dan saran serta memberikan bahan-bahan yang berkaitan dengan penyusunan tesis ini sehingga penulis dapat menyelesaikan tesis ini dengan baik.

Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Herman Mawengkang, Prof. Dr. Tulus, dan Dr. Zakarias Situmorang sebagai pembanding, yang telah memberikan saran, masukan dan arahan yang baik demi penyelesaian tesis ini.

Orangtua tercinta Ibunda, serta Bapak dan Ibu Mertua dan semua keluarga yang senantiasa mendoakan, dan memberikan dorongan kepada penulis.

Istri tercinta, Marina Artha, Amd yang selalu mendoakan, memberikan semangat, dengan kasih, sabar dan bantuan selama penulis mengikuti pendidikan, budi baik ini tidak dapat dibalas hanya diserahkan kepada Allah SWT, Tuhan Yang maha Esa. Sekali lagi terima kasih.

Rekan Mahasiswa Angkatan Kedua Program Studi Magister (S2) Teknik Informatika Komputer Fasilkom-TI Universitas Sumatera Utara dan Rekan Sejawat di AMIK Tunas Bangsa Pematangsiantar yang telah banyak membantu penulis selama mengikuti perkuliahan.

Dengan segala kekurangan dan kerendahan hati, semoga kiranya Allah SWT Tuhan Yang Maha Kuasa membalas segala bantuan, kebaikan yang telah diberikan.

Medan, Juli 2012 Penulis,

ANALISIS DAN PREDIKSI PADA PERILAKU MAHASISWA

DIPLOMA UNTUK MELANJUTKAN STUDI KE JENJANG

SARJANA MENGGUNAKAN TEKNIK DECISION TREE

DAN SUPPORT VEKTOR MACHINE

ABSTRAK

Tesis ini mengusulkan sebuah model prediksi keinginan mahasiswa diploma untuk melanjutkan studi ke jenjang sarjana di perguruan tinggi swasta. Faktor-faktor mana yang lebih dominan yang mempengaruhi keinginan mahasiswa belum dapat diketahui dengan pasti. Data diperoleh dari database Akademik AMIK Tunas Bangsa dan hasil survei terhadap mahasiswa semester IV tahun ajaran 2009 dan 2010. Dalam tesis ini algoritma C 4.5 decision tree diaplikasikan agar mendapatkan suatu model prediksi yang dapat memperlihatkan keinginan mahasiswa diploma melanjutkan kejenjang sarjana dengan jurusan yang sama atau jurusan yang berbeda dan bahkan tidak ada keinginan untuk melanjutkan studinya . Faktor-faktor yang mempengaruhi adalah kepercayaan diri, dukungan orang tua , minat belajar, perilaku belajar dan waktu belajar terhadap mahasiswa. Model prediksi yang diperoleh menunjukkan bahwa variabel terbaik dari prediktor yang digunakan adalah faktor kepercayaan diri yang memberikan kontribusi sebesar 79,8% terhadap keinginan mahasiswa melanjutkan studi ke jenjang sarjana.

Prediction Analysis on Diploma Student Behaviour

In Pursuing Bachelor Degree Using DecisionTree

Technique And Support Vector Machine

ABSTRACT

This thesis proposes a model to predict the desire of diploma student to pursue education to bachelor degree in private college. The more dominant factors which influence this desire are not known yet. Data was obtained from Academy of Management and Information Tunas Bangsa in Pematangsiantar database and of survey result of 2009 and 2010 fourth semester students.. In this thesis The C 4.5 algorithm decision tree was applied to obtain a prediction model which may indicate the desire of diploma degree students to pursue a bachelor‘s degree whether in the same department or in a different one, or no desire at all. Influencing factoris include self confidence, parental support, study interest, study behavior, and study duration. The prediction model obtained indicated that the best variable from the predictors used was self confidence which contributed 79,8 % to the desire of students to pursue the bachelor degree.

DAFTAR ISI

Halaman

KATA PENGANTAR i

ABSTRAK ii

ABSTRACT iii

DAFTAR ISI iv

BAB I PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 4

1.3 Batasan Masalah 4

1.4 Tujuan Penelitian 5

1.5 Manfaat Penelitian 5

BAB II TINJAUAN PUSTAKA 6

2.1 Pengertian Data Mining 6

2.2 Pengelompokan Data Mining 13

2.3 Decision Tree 15

2.4 Algoritma C 4.5 16

2.5 Ekstraksi Rule dari Decision Tree 24

2.6 Support Vektor Machine 25

2.7 Riset- riset Terkait 26

2.8 Kontribusi Riset 27

BAB III METODE PENELITIAN 29

3.1. Pendahuluan 29

3.2 Lokasi dan Waktu Penelitian 29

3.3 Rancangan Penelitian 30

3.4 Prosedur Pengumpulan Data 31

3.5 Validitas dan Reabilitas (Keakuratan Data) 31

3.6 Preprocessing Data 32

3.6.1 Preprocessing Data Kuesioner 32

3.7.1 Paket Statitik Untuk Ilmu Sosial 33

3.7.2 Komunitas Rapid Miner 34

3.8 Instrument Penelitian 34

3.9 Diagram Aktifitas Kerja Penelitian 35

3.10 Model Decision Tree 36

3.11 Model Support Vektor Machine 38

BAB IV HASIL DAN PEMBAHASAN 40

4.1. Pendahuluan 40

4.2 Hasil Percobaan 40

4.2.1 Hasil Percobaan Sampel Data 40 4.2.2 Hasil Percobaan Descriptive Data 42 4.2.3 Hasil Percobaan Frekuensi Data 43 4.2.3.1 Statistik Frekuensi Faktor Kepercayaan Diri 43 4.2.3.2 Statistik Frekuensi Faktor DukunganOrang Tua 44 4.2.3.3 Statistik Frekuensi Faktor Minat Belajar 44 4.2.4 Signifikan dan Multicollinearity 46

4.2.4.1 Signifikan 46

4.2.4.2 Multicollinearity 48

4.2.5 Hasil Percobaan Decision Tree 49

4.2.6.Validasi Decision Tree 51

4.2.7.Hasil Percobaan Support Vektor Machine 52

BAB V KESIMPULAN DAN SARAN 56

5.1. Kesimpulan 56

5.2 Saran 57

DAFTAR PUSTAKA 58

ANALISIS DAN PREDIKSI PADA PERILAKU MAHASISWA

DIPLOMA UNTUK MELANJUTKAN STUDI KE JENJANG

SARJANA MENGGUNAKAN TEKNIK DECISION TREE

DAN SUPPORT VEKTOR MACHINE

ABSTRAK

Tesis ini mengusulkan sebuah model prediksi keinginan mahasiswa diploma untuk melanjutkan studi ke jenjang sarjana di perguruan tinggi swasta. Faktor-faktor mana yang lebih dominan yang mempengaruhi keinginan mahasiswa belum dapat diketahui dengan pasti. Data diperoleh dari database Akademik AMIK Tunas Bangsa dan hasil survei terhadap mahasiswa semester IV tahun ajaran 2009 dan 2010. Dalam tesis ini algoritma C 4.5 decision tree diaplikasikan agar mendapatkan suatu model prediksi yang dapat memperlihatkan keinginan mahasiswa diploma melanjutkan kejenjang sarjana dengan jurusan yang sama atau jurusan yang berbeda dan bahkan tidak ada keinginan untuk melanjutkan studinya . Faktor-faktor yang mempengaruhi adalah kepercayaan diri, dukungan orang tua , minat belajar, perilaku belajar dan waktu belajar terhadap mahasiswa. Model prediksi yang diperoleh menunjukkan bahwa variabel terbaik dari prediktor yang digunakan adalah faktor kepercayaan diri yang memberikan kontribusi sebesar 79,8% terhadap keinginan mahasiswa melanjutkan studi ke jenjang sarjana.

Prediction Analysis on Diploma Student Behaviour

In Pursuing Bachelor Degree Using DecisionTree

Technique And Support Vector Machine

ABSTRACT

This thesis proposes a model to predict the desire of diploma student to pursue education to bachelor degree in private college. The more dominant factors which influence this desire are not known yet. Data was obtained from Academy of Management and Information Tunas Bangsa in Pematangsiantar database and of survey result of 2009 and 2010 fourth semester students.. In this thesis The C 4.5 algorithm decision tree was applied to obtain a prediction model which may indicate the desire of diploma degree students to pursue a bachelor‘s degree whether in the same department or in a different one, or no desire at all. Influencing factoris include self confidence, parental support, study interest, study behavior, and study duration. The prediction model obtained indicated that the best variable from the predictors used was self confidence which contributed 79,8 % to the desire of students to pursue the bachelor degree.

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

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

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 2009/2010 .

Penelitian ini diharapkan dapat memberikan kontribusi bagi perguruan tinggi swasta khususnya Akademi Manajemen Informatika dan Komputer (AMIK) Tunas Bangsa Pematangsiantar.

1.2 Perumusan Masalah

Berdasar pada latar belakang di atas, maka dapat dirumuskan masalah dalam tesis ini sebagai berikut:

1.Bagaimana membangun model yang dapat digunakan untuk memprediksi keinginan para alumni diploma untuk melanjutkan studinya ke jenjang sarjana ?

2.Bagaimana menggunakan model untuk memprediksi keinginan para alumni diploma unutk melanjutkan studinya ke jenjang sarjana ?

1.3 Batasan Masalah

Mengingat luasnya ruang lingkup penelitian dalam implemantasi teknik - teknik data mining di area pendidikan , khususnya pada pendidikan tinggi, maka penelitian ini dibatasi pada:

1. Sumber data untuk penelitian ini, diperoleh dari database akademik dan hasil survey secara acak yang dilakukan terhadap mahasiswa program diploma tiga bidang informatika dan komputer di AMIK Tunas Bangsa Pematang Siantar.

2. Pendekatan dalam analisis data dalam penelitian ini akan menggunakan teknik Multi variant analisis untuk menguji tingkat korelasi faktor-faktor prediktor yang akan diusulkan dan Decision tree (Algoritma C.4.5) untuk membangun model prediksi serta teknik SVM untuk memprediksi keinginan mahasiswa program diploma tiga yang akan melanjutkan studinya ke jenjang sarjana.

3. Untuk mendukung analisis data dalam penelitian ini akan menggunakan bantuan perangkat lunak data mining yang berbasis open source seperti WEKA atau Rapid Miner versi 5.0

1.4 Tujuan Penelitian

Beranjak dari latarbelakang permasalahan, tujuan penelitian ini adalah sebagai berikut:

1. Untuk mendapatkan apa saja factor-faktor yang berpengaruh terhadap keinginan mahasiswa program diploma 3 bidang informatika dan komputer untuk melanjutkan pendidikannya ke jenjang yang lebih tinggi. 2. Untuk membangun sebuah model prediksi mahasiswa program diploma 3

bidang informatika dan komputer yang akan melanjutkan studinya ke jenjang sarjana.

1.5 Manfaat Penelitian

Penelitian ini secara teoritis diharapkan akan bermanfaat bagi menambah khasanah dan variasi penelitian dalam penerapan teknik-teknik data mining pada area pendidikan. Hasil dari penelitian ini diharapkan dapat dijadikan sebagai perbandingan bagi peneliti lain yang tertarik dalam penerapan teknik-teknik data mining pada area pendidikan.

Secara praktis hasil penelitian ini juga dapat bermanfaat bagi institusi pendidikan tinggi sebagai referensi dan sebagai informasi pendukung dalam mengambil kebijakan strategis.

Model prediksi yang diperoleh dari penelitian ini juga dapat dipergunakan oleh institusi-institusi pendidikan tinggi yang memiliki program sarjana, sebagai sistem informasi pendukung untuk promosi dengan sasaran mahasiswa yang sedang mengikuti program diploma tiga.

BAB II

TINJAUAN PUSTAKA

2.1 Pengertian Data Mining

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 bermanfaat yang tersimpan di dalam database besar. (Turban et al, 2005 ). Menurut Gartner Group data mining adalah suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang tersimpan dalam penyimpanan dengan menggunakan teknik pengenalan pola seperti teknik statistik dan matematika (Larose, 2006).

Selain definisi di atas beberapa definisi juga diberikan seperti, “data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual.” (Pramudiono, 2006). “Data mining adalah analisis otomatis dari data yang berjumlah besar atau kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya tidak disadari keberadaannya.” (Pramudiono, 2006).

“Data mining merupakan analisis dari peninjauan kumpulan data untuk menemukan hubungan yang tidak diduga dan meringkas data dengan cara yang berbeda dengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data.” (Larose, 2006). “Data mining merupakan bidang dari beberapa keilmuan yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistik, database, dan visualisasi untuk penanganan permasalahan pengambilan informasi dari database yang besar.” (Larose, 2006).

Kemajuan luar biasa yang terus berlanjut dalam bidang data mining

1. Pertumbuhan yang cepat dalam kumpulan data.

2. Penyimpanan data dalam data warehouse, sehingga seluruh perusahaan memiliki akses ke dalam database yang baik.

3. Adanya peningkatan akses data melalui navigasi web dan intranet. 4. Tekanan kompetisi bisnis untuk meningkatkan penguasaan pasar dalam

globalisasi ekonomi.

5. Perkembangan teknologi perangkat lunak untuk data mining

(ketersediaan teknologi).

6. Perkembangan yang hebat dalam kemampuan komputasi dan pengembangan kapasitas media penyimpanan.

Berdasarkan definisi-definisi yang telah disampaikan, hal penting yang terkait dengan data mining adalah :

1. Data mining merupakan suatu proses otomatis terhadap data yang sudah ada.

2. Data yang akan diproses berupa data yang sangat besar.

3. Tujuan data mining adalah mendapatkan hubungan atau pola yang mungkin memberikan indikasi yang bermanfaat.

Hubungan yang dicari dalam data mining dapat berupa hubungan antara dua atau lebih dalam satu dimensi. Misalnya dalam dimensi produk, dapat di lihat keterkaitan pembelian suatu produk dengan produk yang lain. Selain itu, hubungan juga dapat dilihat antara dua atau lebih atribut dan dua atau lebih objek. (Ponniah, 2001).

Sementara itu, penemuan pola merupakan keluaran lain dari data mining. Misalkan sebuah perusahaan yang akan meningkatkan fasilitas kartu kredit dari pelanggan, maka perusahaan akan mencari pola dari pelanggan-pelanggan yang ada untuk mengetahui pelanggan yang potensial dan pelanggan yang tidak potensial.

Beberapa definisi awal dari data mining meyertakan fokus pada proses otomatisasi. Berry dan Linoff, (2004) dalam buku Data Mining Technique for Marketing, Sales, and Customer Support mendefinisikan data mining sebagai suatu proses eksplorasi dan analisis secara otomatis maupun semi otomatis

terhadap data dalam jumlah besar dengan tujuan menemukan pola atau aturan yang berarti (Larose, 2006).

Tiga tahun kemudian, dalam buku Mastering Data Mining mereka memberikan definisi ulang terhadap pengertian data mining dan memberikan pernyataan bahwa “jika ada yang kami sesalkan adalah frasa secara otomatis maupun semi otomatis, karena kami merasa hal tersebut memberikan fokus berlebih pada teknik otomatis dan kurang pada eksplorasi dan analisis”. Hal tersebut memberikan pemahaman yang salah bahwa data mining merupakan produk yang dapat dibeli dibandingkan keilmuan yang harus dikuasai (Larose, 2006).

Pernyataan tersebut menegaskan bahwa dalam data mining otomatisasi tidak menggantikan campur tangan manusia. Manusia harus ikut aktif dalam setiap fase dalam proses data mining. Kehebatan kemampuan algoritma data mining yang terdapat dalam perangkat lunak analisis yang terdapat saat ini memungkinkan terjadinya kesalahan penggunaan yang berakibat fatal. Pengguna mungkin menerapkan analisis yang tidak tepat terhadap kumpulan data dengan menggunakan pendekatan yang berbeda. Oleh karenanya, dibutuhkan pemahaman tentang statistik dan struktur model matematika yang mendasari kerja perangkat lunak (Larose, 2006).

Gambar 2.1 Bidang Ilmu Data Mining

Pencarian Informasi

Database

Artificial Intelligent

Statistik Data Mining Ekstraksi data (bahasa

alami, web

Penstrukturan)

Dasar (Seleksi, presentase

Hasil) Data yang besar

(Normalisasi data Transformasi, OLAP)

Pembelajaran (Neural Network, pohon

Data mining bukanlah suatu bidang yang sama sekali baru. Salah satu kesulitan untuk mendefinisikan data mining adalah kenyataan bahwa data mining

mewarisi banyak aspek dan teknik dari bidang-bidang ilmu yang sudah mapan terlebih dahulu. Gambar 2.1 menunjukkan bahwa data mining memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent),

machine learning, statistik, database, dan juga information retrieval

(Pramudiono, 2006).

Istilah data mining dan Knowledge Discovery in Database (KDD) sering kali digunakan secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda, tetapi berkaitan satu sama lain. Dan salah satu tahapan dalam keseluruhan proses KDD adalah data mining. Proses KDD secara garis besar dapat dijelaskan sebagai berikut (Fayyad, 1996).

1. Data Selection

Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan digunakan untuk proses data mining,

disimpan dalam suatu berkas, terpisah dari basis data operasional. 2. Pre-processing/Cleaning

Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses

cleaning pada data yang menjadi fokus KDD. Proses cleaning

mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak (tipografi). Juga dilakukan proses enrichment, yaitu proses “memperkaya” data yang sudah ada dengan data atau informasi lain yang relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal.

3. Transformation

Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses coding

dalam KDD merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data.

4. Data mining

Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau algoritma dalam data mining sangat bervariasi. Pemilihan metode dan algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.

5. Interpretation/Evalution

Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang disebut interpretation. Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada sebelumnya. Penjelasan di atas dapat direfresentasikan pada Gambar 2.2

Gambar 2.2 Proses dari Data Mining

Sumber: SPSS, 2004

Cross-Industry Standart Process for Data Mining (CRISP-DM) yang di kembangkan tahun 1996 oleh analisis dari beberapa industri seperti Daimler Chrysler, SPSS dan NCR. CRISP-DM menyediakan standar proses data mining

Dalam CRISP-DM sebuah proyek data mining memiliki siklus hidup yang terbagi dalam enam fase Gambar 2.3. Keseluruhan fase berurutan yang ada tersebut bersifat adaptif. Fase berikutnya dalam urutan bergantung kepada keluaran dari fase sebelumnya. Hubungan penting antar fase digambarkan dengan panah. Sebagai contoh, jika proses berada pada fase modeling. Berdasar pada perilaku dan karakteristik model, proses mungkin kembali kepada fase data preparation untuk perbaikan lebih lanjut terhadap data atau berpindah maju kepada fase evaluation.

Gambar 2.3 Proses Data Mining Menurut CRISP-DM Sumber: CRISP, 2005

Enam fase CRISP-DM ( Cross Industry Standard Process for Data Mining) (Larose, 2006).

1. Fase Pemahaman Bisnis ( Business Understanding Phase )

a. Penentuan tujuan proyek dan kebutuhan secara detail dalam lingkup bisnis atau unit penelitian secara keseluruhan.

b. Menerjemahkan tujuan dan batasan menjadi formula dari permasalahan data mining.

c. Menyiapkan strategi awal untuk mencapai tujuan. 2. Fase Pemahaman Data ( Data Understanding Phase )

a. Mengumpulkan data.

b. Menggunakan analisis penyelidikan data untuk mengenali lebih lanjut data dan pencarian pengetahuan awal.

c. Mengevaluasi kualitas data.

d. Jika diinginkan, pilih sebagian kecil kelompok data yang mungkin mengandung pola dari permasalahan

3. Fase Pengolahan Data ( Data Preparation Phase )

a. Siapkan dari data awal, kumpulan data yang akan digunakan untuk keseluruhan fase berikutnya. Fase ini merupakan pekerjaan berat yang perlu dilaksanakan secara intensif.

b. Pilih kasus dan variabel yang ingin dianalisis dan yang sesuai analisis yang akan dilakukan.

c. Lakukan perubahan pada beberapa variabel jika dibutuhkan. d. Siapkan data awal sehingga siap untuk perangkat pemodelan. 4. Fase Pemodelan ( Modeling Phase )

a. Pilih dan aplikasikan teknik pemodelan yang sesuai. b. Kalibrasi aturan model untuk mengoptimalkan hasil.

c. Perlu diperhatikan bahwa beberapa teknik mungkin untuk digunakan pada permasalahan data mining yang sama.

d. Jika diperlukan, proses dapat kembali ke fase pengolahan data untuk menjadikan data ke dalam bentuk yang sesuai dengan spesifikasi kebutuhan teknik data mining tertentu.

5. Fase Evaluasi ( Evaluation Phase )

a. Mengevaluasi satu atau lebih model yang digunakan dalam fase pemodelan untuk mendapatkan kualitas dan efektivitas sebelum disebarkan untuk digunakan.

b. Menetapkan apakah terdapat model yang memenuhi tujuan pada fase awal.

c. Menentukan apakah terdapat permasalahan penting dari bisnis atau penelitian yang tidak tertangani dengan baik.

d. Mengambil keputusan berkaitan dengan penggunaan hasil dari data mining.

6. Fase Penyebaran (Deployment Phase)

a. Menggunakan model yang dihasilkan. Terbentuknya model tidak menandakan telah terselesaikannya proyek.

b. Contoh sederhana penyebaran: Pembuatan laporan.

c. Contoh kompleks Penyebaran: Penerapan proses data mining

secara paralel pada departemen lain. Informasi lebih lanjut mengenai CRISP-DM dapat dilihat di

2.2 Pengelompokan Data Mining

Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat di lakukan, yaitu (Larose, 2006).

1.Deskripsi

Terkadang peneliti dan analisis secara sederhana ingin mencoba mencari cara untuk menggambarkan pola dan kecendrungan yang terdapat dalam data. Sebagai contoh, petugas pengumpulan suara mungkin tidak dapat menemukan keterangan atau fakta bahwa siapa yang tidak cukup profesional akan sedikit didukung dalam pemilihan presiden. Deskripsi dari pola dan kecendrungan sering memberikan kemungkinan penjelasan untuk suatu pola atau kecendrungan.

2.Estimasi

Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih ke arah numerik dari pada ke arah kategori. Model dibangun menggunakan record lengkap yang menyediakan nilai dari variabel target sebagai nilai prediksi. Selanjutnya, pada peninjauan berikutnya estimasi nilai dari variabel target dibuat berdasarkan nilai variabel prediksi. Sebagai contoh, akan dilakukan estimasi tekanan darah sistolik pada pasien rumah sakit berdasarkan umur pasien, jenis kelamin, berat badan,

dan level sodium darah. Hubungan antara tekanan darah sistolik dan nilai variabel prediksi dalam proses pembelajaran akan menghasilkan model estimasi. Model estimasi yang dihasilkan dapat digunakan untuk kasus baru lainnya.

3.Prediksi

Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam prediksi nilai dari hasil akan ada di masa mendatang.

Contoh prediksi dalam bisnis dan penelitian adalah:

a. Prediksi harga beras dalam tiga bulan yang akan datang.

b. Prediksi presentase kenaikan kecelakaan lalu lintas tahun depan jika batas bawah kecepatan dinaikan.

Beberapa metode dan teknik yang digunakan dalam klasifikasi dan estimasi dapat pula digunakan (untuk keadaan yang tepat) untuk prediksi. 4.Klasifikasi

Dalam klasifikasi, terdapat target variabel kategori. Sebagai contoh, penggolongan pendapatan dapat dipisahkan dalam tiga kategori, yaitu pendapatan tinggi, pendapatan sedang, dan pendapatan rendah.

Contoh lain klasifikasi dalam bisnis dan penelitian adalah:

a. Menentukan apakah suatu transaksi kartu kredit merupakan transaksi yang curang atau bukan.

b. Memperkirakan apakah suatu pengajuan hipotek oleh nasabah merupakan suatu kredit yang baik atau buruk.

c. Mendiagnosa penyakit seorang pasien untuk mendapatkan termasuk kategori apa.

5.Pengklusteran

Pengklusteran merupakan pengelompokan record, pengamatan, atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan.

Kluster adalah kumpulan record yang memiliki kemiripan suatu dengan yang lainnya dan memiliki ketidakmiripan dengan record dalam kluster lain.

Pengklusteran berbeda dengan klasifikasi yaitu tidak adanya variabel target dalam pengklusteran. Pengklusteran tidak mencoba untuk melakukan klasifikasi, mengestimasi, atau memprediksi nilai dari variabel target. Akan tetapi, algoritma pengklusteran mencoba untuk melakukan pembagian terhadap keseluruhan data menjadi kelompok-kelompok yang memiliki kemiripan (homogen), yang mana kemiripan dengan record dalam kelompok lain akan bernilai minimal.

Contoh pengklusteran dalam bisnis dan penelitian adalah:

a. Mendapatkan kelompok-kelompok konsumen untuk target pemasaran dari suatu produk bagi perusahaan yang tidak memiliki dana pemasaran yang besar.

b. Untuk tujuan audit akutansi, yaitu melakukan pemisahan terhadap prilaku finansial dalam baik dan mencurigakan.

c. Melakukan pengklusteran terhadap ekspresi dari gen, dalam jumlah besar.

6.Asosiasi

Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul dalam suatu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang belanja.

Contoh asosiasi dalam bisnis dan penelitian adalah:

a. Meneliti jumlah pelanggan dari perusahaan telekomunikasi seluler yang diharapkan untuk memberikan respon positif terhadap penawaran upgrade layanan yang diberikan.

b. Menemukan barang dalam supermarket yang dibeli secara bersamaan dan barang yang tidak pernah dibeli bersamaan.

Untuk mendukung penelitian ini penulis menggunakan Algoritma C4.5

decision tree.

2.3 Decision Tree

Decision tree merupakan salah satu metode klasifikasi yang menggunakan representasi struktur pohon (tree) di mana setiap node merepresentasikan atribut,

cabangnya merepresentasikan nilai dari atribut, dan daun merepresentasikan kelas. Node yang paling atas dari decision tree disebut sebagai root.

Decision tree merupakan metode klasifikasi yang paling populer digunakan. Selain karena pembangunannya relatif cepat, hasil dari model yang dibangun mudah untuk dipahami.

Pada decision tree terdapat 3 jenis node, yaitu:

a. Root Node, merupakan node paling atas, pada node ini tidak ada input

dan bisa tidak mempunyai output atau mempunyai output lebih dari satu.

b. Internal Node , merupakan node percabangan, pada node ini hanya terdapat satu input dan mempunyai output minimal dua.

c. Leaf node atau terminal node , merupakan node akhir, pada node ini hanya terdapat satu input dan tidak mempunyai output.

2.4 Algoritma C 4.5

Algoritma C 4.5 adalah salah satu metode untuk membuat decision tree

berdasarkan training data yang telah disediakan. Algoritma C 4.5 merupakan pengembangan dari ID3. Beberapa pengembangan yang dilakukan pada C 4.5 adalah sebagai antara lain bisa mengatasi missing value, bisa mengatasi continue data, dan pruning.

Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Dan mereka juga dapat diekspresikan dalam bentuk bahasa basis data seperti Structured Query Language untuk mencari

record pada kategori tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target.

Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan, pohon keputusan sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain.

Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunan-himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan. Dengan masing-masing rangkaian pembagian, anggota himpunan hasil menjadi mirip satu dengan yang lain (Berry dan Linoff, 2004).

Sebuah model pohon keputusan terdiri dari sekumpulan aturan untuk membagi sejumlah populasi yang heterogen menjadi lebih kecil, lebih homogen dengan memperhatikan pada variabel tujuannya. Sebuah pohon keputusan mungkin dibangun dengan seksama secara manual atau dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi.

Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon keputusan lebih mengarah pada perhitungan probability dari tiap-tiap record

terhadap kategori-kategori tersebut atau untuk mengklasifikasi record dengan mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan untuk mengestimasi nilai dari variabel continue meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini.

Banyak algoritma yang dapat dipakai dalam pembentukan pohon keputusan,antara lain ID3, CART, dan C4.5 (Larose, 2006).

Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel dengan atribut dan record. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam pembentukan pohon. Misalkan untuk menentukan main tenis, kriteria yang diperhatikan adalah cuaca, angin, dan temperatur.

Salah satu atribut merupakan atribut yang menyatakan data solusi per item data yang disebut target atribut. Atribut memiliki nilai-nilai yang dinamakan dengan

instance. Misalkan atribut cuaca mempunyai instance berupa cerah, berawan, dan hujan (Basuki dan Syarif, 2003)

Proses pada pohon keputusan adalah mengubah bentuk data (tabel) menjadi model pohon, mengubah model pohon menjadi rule, dan menyederhanakan rule (Basuki dan Syarif, 2003).

Input : sampel training, label training, atribut

1. Membuat simpul akar untuk pohon yang dibuat

2. Jika semua sampel positif, berhenti dengan suatu pohon dengan satu simpul akar, beri tanda (+)

3. Jika semua sampel negatif, berhenti dengan suatu pohon dengan satu simpul akar, beri tanda (-)

4. Jika atribut kosong, berhenti dengan suatu pohon dengan suatu simpul akar, dengan label sesuai nilai yang terbanyak yang ada pada label training 5. Untuk yang lain, Mulai

a. A --- atribut yang mengklasifikasikan sampel dengan hasil terbaik (berdasarkan Gain rasio)

b. Atribut keputusan untuk simpul akar --- A c. Untuk setiap nilai, vi, yang mungkin untuk A

1) Tambahkan cabang di bawah akar yang berhubungan dengan A= vi

2) Tentukan sampel Svi sebagai subset dari sampel yang mempunyai nilai vi untuk atrribut A

3) Jika sampel Svi

i. Di bawah cabang tambahkan simpul daun dengan label = nilai yang terbanyak yang ada pada label training

kosong

ii. Yang lain tambah cabang baru di bawah cabang yang sekarang C4.5 (sampel training, label training, atribut-[A])

d. Berhenti

Mengubah tree yang dihasilkan dalam beberapa rule. Jumlah rule sama dengan jumlah path yang mungkin dapat dibangun dari root sampai leafnode.

Tree Pruning dilakukan untuk menyederhanakan tree sehingga akurasi dapat bertambah. Pruning ada dua pendekatan, yaitu :

a. Pre-pruning, yaitu menghentikan pembangunan suatu subtree lebih awal (yaitu dengan memutuskan untuk tidak lebih jauh mempartisi data training). Saat seketika berhenti, maka node berubah menjadi leaf (node

akhir). Node akhir ini menjadi kelas yang paling sering muncul di antara

subset sampel.

b. Post-pruning, yaitu menyederhanakan tree dengan cara membuang beberapa cabang subtree setelah tree selesai dibangun. Node yang jarang dipotong akan menjadi leaf (node akhir) dengan kelas yang paling sering muncul.

Untuk memudahkan penjelasan mengenai algoritma C 4.5 berikut ini disertakan contoh kasus yang dituangkan dalam Tabel 2.1

Tabel 2.1 Keputusan Bermain Tenis

No CUACA TEMPERATUR KELEMBABAN ANGI N BERMAI N

1 Cerah Panas Tinggi Tidak Tidak

2 Cerah Panas Tinggi Ya Tidak

3 Mendung Panas Tinggi Tidak Ya

4 Huj an Sedang Tinggi Tidak Ya

5 Huj an Dingin Norm al Tidak Ya

6 Huj an Dingin Norm al Ya Ya

7 Mendung Dingin Norm al Ya Ya

8 Cerah Sedang Tinggi Tidak Ya

9 Cerah Dingin Norm al Tidak Tidak

10 Huj an Sedang Norm al Tidak Ya

11 Cerah Sedang Norm al Ya Ya

12 Mendung Sedang Tinggi Ya Ya

13 Mendung Panas Norm al Tidak Ya

14 Huj an Sedang Tinggi Ya Tidak

Dalam kasus yang tertera pada Tabel 2.1 akan dibuat pohon keputusan untuk menentukan main tenis atau tidak dengan melihat keadaan cuaca, temperatur, kelembaban dan keadaan angin.

Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut:

1. Pilih atribut sebagai akar

2. Buat cabang untuk masing-masing nilai 3. Bagi kasus dalam cabang

4. Ulangi proses untuk masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang sama.

Untuk memilih atribut sebagai akar, didasarkan pada nilai Gain tertinggi dari atribut-atribut yang ada. Untuk menghitung Gain digunakan rumus seperti tertera dalam Rumus 1 (Craw, 2005).

Gain(S,A) = Entrropy(S) – * Entropy(Si) Dengan

S : Himpunan Kasus A : Atribut

|Si| : Jumlah kasus pada partisi ke i |S| : Jumlah kasus dalam S

Sedangkan perhitungan nilai Entropy dapat dilihat pada rumus 2 berikut (Craw, 2005):

Entropy(A) = Dengan

S : Himpunan Kasus A : Fitur

n : Jumlah partisi S

pi : Proporsi dari Si terhadap S

Berikut ini adalah penjelasan lebih rinci mengenai masing-masing langkah dalam pembentukan pohon keputusan dengan menggunakan algoritma C4.5 untuk menyelesaikan permasalahan pada Tabel 2.1

1. Menghitung jumlah kasus, jumlah kasus untuk keputusan Ya, jumlah kasus untuk keputusan Tidak, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut cuaca, temperatur, kelembaban dan angin. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 2.2

Tabel 2.2 Perhitungan Node 1

Node Jumlah Kasus (S) Tidak (S1) Ya

(S2) Entropy Gain

1 TOTAL 14 4 10 0.863120569

CUACA 0.258521037

MENDUNG 4 0 4

HUJAN 5 1 4 0.721928095

CERAH 5 3 2 0.970950594

TEMPERATUR 0.183850925

DINGIN 4 0 4 0

PANAS 4 2 2 1

SEDANG 6 2 4 0.918295834

KELEMBABAN 0.370506501

TINGGI 7 4 3 0.985228136

NORMAL 7 0 7 0

ANGIN 0.005977711

TIDAK 8 2 6 0.811278124

Baris total kolom Entropy pada Tabel 2.2 dihitung dengan rumus 2, sebagai berikut:

Entropy(Total) = (- *Log2( ))+(- *Log2( )) Entropy(Total) =0.863120569

Sementara itu nilai Gain pada baris cuaca dihitung dengan menggunakan rumus 1, sebagai berikut :

Gain(Total,Cuaca) = Entropy(Total) - * Entropy(Cuaca) Gain(Total,Cuaca) = 0.863120569 – (( *0)+ (( *0.723)+ (( *0.97)) Gain(Total,Cuaca) = 0.23

Dari hasil pada Tabel 2.2 dapat diketahui bahwa atribut dengan Gain

tertinggi adalah kelembaban yaitu sebesar 0.37. Dengan demikian kelembaban dapat menjadi node akar. Ada 2 nilai atribut dari kelembaban yaitu tinggi dan normal. Dari kedua nilai atribut tersebut, nilai atribut normal sudah mengklasifikasikan kasus menjadi 1 yaitu keputusannya Ya, sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut tinggi masih perlu dilakukan perhitungan lagi.

Dari hasil tersebut dapat digambarkan pohon keputusan sementara, tampak seperti Gambar 2.4

Gambar 2.4 Pohon Keputusan Hasil Perhitungan Node 1

2. Menghitung jumlah kasus, jumlah kasus untuk keputusan Ya, jumlah kasus untuk keputusan Tidak, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut cuaca, temperatur dan angin yang dapat menjadi node akar

1.

Kelembaban

Ya ?

Normal

dari nilai atribut tinggi. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 2.3

Tabel 2.3 Perhitungan Node 1.1

Node Jumlah Kasus (S) Tidak (S1) Ya

(S2) Entropy Gain

1.1

KELEMBABAN-TI NGGI

7 4 3 0.985228136

CUACA 0.69951385

MENDUNG 2 0 2 0

HUJAN 2 1 1 1

CERAH 2 3 0 0

TEMPERATUR 0.020244207

DI NGI N 0 0 0 0

PANAS 3 2 1 0.918295834

SEDANG 4 2 2 1

ANGI N 0.020244207

TI DAK 4 2 2 1

YA 3 4 1 0.918295834

Dari hasil pada Tabel 2.3 dapat diketahui bahwa atribut dengan Gain

tertinggi adalah cuaca yaitu sebesar 0.699. Dengan demikian cuaca dapat menjadi

node cabang dari nilai atribut tinggi. Ada 3 nilai atribut dari cuaca yaitu mendung, hujan dan cerah. dari ketiga nilai atribut tersebut, nilai atribut mendung sudah mengklasifikasikan kasus menjadi 1 yaitu keputusannya Ya dan nilai atribut cerah sudah mengklasifikasikan kasus menjadi satu dengan keputusan Tidak, sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut hujan masih perlu dilakukan perhitungan lagi.

Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada Gambar 2.5 berikut:

Gambar 2.5 Pohon Keputusan Hasil Perhitungan Node 1.1 1. Kelembaban Ya 1.1 Cuaca Normal Tinggi Tidak 1.1.2 ? Ya Cerah Hujan Mendung

3. Menghitung jumlah kasus, jumlah kasus untuk keputusan Ya, jumlah kasus untuk keputusan Tidak, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut temperatur dan angin yang dapat menjadi node cabang dari nilai atribut hujan. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 2.4

Tabel 2.4 Perhitungan Node 1.1.2

Node

Jumlah Kasus

(S)

Tidak (S1)

Ya

(S2) Entropy Gain

1.1

KELEMBABAN-TI NGGI dan CUACA – HUJAN

2 1 1 1

TEMPERATUR 0

DI NGI N 0 0 0 0

PANAS 0 0 0 0

SEDANG 2 1 1 1

ANGI N 1

TI DAK 1 0 1 0

YA 1 1 0 0

Dari hasil pada Tabel 2.4 dapat diketahui bahwa atribut dengan Gain

tertinggi adalah angin yaitu sebesar 1. Dengan demikian angin dapat menjadi node

cabang dari nilai atribut hujan. Ada 2 nilai atribut dari angin yaitu Tidak dan Ya. Dari kedua nilai atribut tersebut, nilai atribut Tidak sudah mengklasifikasikan kasus menjadi 1 yaitu keputusannya Ya dan nilai atribut Ya sudah mengklasifikasikan kasus menjadi satu dengan keputusan Tidak, sehingga tidak perlu dilakukan perhitungan lebih lanjut untuk nilai atribut ini. Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada Gambar 2.6

Gambar 2.6 Pohon Keputusan Hasil Perhitungan Node 1.1.2

Dengan memperhatikan pohon keputusan pada Gambar 2.6 diketahui bahwa semua kasus sudah masuk dalam kelas. Dengan demikian, pohon keputusan pada Gambar 2.6 merupakan pohon keputusan terakhir yang terbentuk.

2.5 Ekstraksi Rule dari Decision Tree

Pengetahuan yang diperoleh dari decision tree dapat direpresentasikan dalam bentuk klasifikasi IF-THEN rules. Nilai suatu atribut akan menjadi bagian

anticendent (bagian IF), sedang daun (leaf) dari sebuah decision tree akan menjadi bagian consequent (THEN). Aturan seperti ini akan menjadi sangat membantu manusia dalam memahami model klasifikasi terutama jika ukuran

decisiontree terlalu besar .

Ya Tidak

Tidak Ya

1.

Kelembaban

Ya 1.1

Cuaca

Normal Tinggi

Tidak 1.1.2

Angin Ya

Cerah Hujan

2.6 Support Vector Machine (SVM)

Pattern Recognition merupakan salah satu bidang dalam komputer sains, yang memetakan suatu data ke dalam konsep tertentu yang telah didefinisikan sebelumnya. Konsep tertentu ini disebut class atau category. Aplikasi pattern recognition sangat luas, di antaranya mengenali suara dalam sistem sekuriti, membaca huruf dalam OCR, mengklasifikasikan penyakit secara otomatis berdasarkan hasil diagnosa kondisi medis pasien dan sebagainya. Berbagai metode dikenal dalam pattern recognition, seperti linear discrimination analysis, hidden markov model hingga metode kecerdasan buatan seperti artificial neural network. Salah satu metode yang akhir-akhir ini banyak mendapat perhatian sebagai state of the art dalam pattern recognition adalah Support Vector Machine (SVM). Support Vector Machine (SVM) dikembangkan oleh Boser, Guyon, Vapnik, dan pertama kali dipresentasikan pada tahun 1992 di Annual Workshop on Computational Learning Theory. Konsep dasar SVM sebenarnya merupakan kombinasi harmonis dari teori-teori komputasi yang telah ada puluhan tahun sebelumnya, seperti margin hyperplane (Duda & Hart tahun 1973, Cover tahun 1965, Vapnik 1964), kernel diperkenalkan oleh Aronszajn tahun 1950, dan demikian juga dengan konsep-konsep pendukung yang lain. Akan tetapi hingga tahun 1992, belum pernah ada upaya merangkaikan komponen-komponen tersebut. Berbeda dengan strategi neural network yang berusaha mencari hyperplane pemisah antar class, SVM berusaha menemukan hyperplane yang terbaik pada input space. Prinsip dasar SVM adalah linear classifier, dan selanjutnya dikembangkan agar dapat bekerja pada problem non-linear. dengan memasukkan konsep kernel trick pada ruang kerja berdimensi tinggi. Perkembangan ini memberikan rangsangan minat penelitian di bidang pattern recognition untuk investigasi potensi kemampuan SVM secara teoritis maupun dari segi aplikasi. Dewasa ini SVM telah berhasil diaplikasikan dalam problema dunia nyata (real-world problems), dan secara umum memberikan solusi yang lebih baik dibandingkan metode konvensional seperti misalnya artificial neural network.

Tulisan ini memperkenalkan konsep dasar SVM, dan membahas aplikasinya di Educational data mining, yang akhir-akhir ini merupakan salah satu bidang yang berkembang cukup pesat.

2.7 Riset-Riset Terkait

Terdapat beberapa riset yang telah dilakukan oleh banyak peneliti berkaitan dengan domain pendidikan, seperti yang akan dijelaskan di bawah ini :

Yu et al. (2010) dalam risetnya menjelaskan mengenai sebuah pendekatan

data mining dapat diaplikasikan untuk meneliti faktor-faktor yang mempengaruhi tingkat daya ingat mahasiswa. Sunjana (2010a) juga menyampaikan hasil risetnya mengenai aplikasi data mining mahasiswa dengan metode klasifikasi decision tree. Dengan kesimpulan sebagai berikut :

1. Penentuan data training sangat menentukan tingkat akurasi tree yang dibuat.

2. Besar prosentase kebenaran tree sangat dipengaruhi oleh data training yang digunakan untuk membangun model tree tersebut.

3. Nilai IPK seorang mahasiswa terlihat sangat terpengaruh dengan 9 (Sembilan) mata kuliah yang dianggap pokok.

Quadri dan Kalyankar (2010) juga menjelaskan tentang penggunaan teknik

decision tree untuk mengidentifikasi berbagai faktor yang meyebabkan mahasiswa melakukan drop out untuk meningkatkan kinerja akademik.

She et al. (2010) dalam risetnya menjelaskan mengenai prediksi penurunan sifat sifat manusia secara cepat dan akurat dengan klasifikasi decisiontree .

Rocha dan Junior (2010) juga dalam risetnya menjelaskan tentang bagaimana mengidentifikasi kecurangan-kecurangan yang terjadi di bidang perbankan menggunakan CRISP-DM dan decision tree.

Nogroho, (2008) menjelaskan dalam risetnya mengenai Implementasi

decision tree berbasis analisis teknikal untuk pembelian dan penjualan saham, menyimpulkan sistem pendukung keputusan decision tree yang dibangun berdasarkan analisis teknikal mampu memberikan gambaran saat saham diperdagangkan hanya berdasarkan pergerakan trend. Perdagangan berdasarkan pergerakan trend ini bersifat spekulasi namun cukup mampu memberikan keuntungan.

Sunjana (2010b) menjelaskan dalam risetnya tentang klasifikasi data nasabah sebuah asuransi menggunakan algoritma C 4.5, berikut adalah kesimpulan yang dapat diambil dari data nasabah asuransi setelah dilakukan análisis menggunakan metode algoritma C 4.5:

1. Aplikasi dapat menyimpulkan bahwa rata-rata nasabah memiliki status L dikarenakan pembayaran premi yang melebihi 10% dari penghasilan. 2. Dengan persentase atribut premi_dasar dan penghasilan, maka dapat

diketahui rata-rata status nasabah memiliki nilai P atau L.

Bhargavi at al. (2008) menjelaskan dalam risetnya tentang menguraikan pengetahuan menggunakan aturan aturan dengan pendekatan decision tree.

Al-Radaideh et al. (2006) menjelaskan dalam risetnya tentang pemanfaatan

data mining terhadap data mahasiswa menggunakan decision tree.

Adeyemo dan Kuye (2006) menjelaskan dalam risetnya untuk memprediksi kinerja mahasiswa di bidang akademik menggunakan algoritma decision tree.

2.8 Kontribusi Riset

Penelitian ini memberikan kontribusi pada pemahaman kita tentang hubungan data mahasiswa dengan data demografi yaitu data pendukung untuk mengetahui

tingkat keinginan mahasiswa diploma untuk melanjutkan ke jenjang yang lebih tinggi yaitu jenjang sarjana.

Beberapa kemungkinan lain dianggap penting adalah pimpinan perguruan tinggi ataupun yayasan dapat menggunakan informasi yang diberikan dalam mengambil beberapa tindakan untuk meningkatkan keinginan mahasiswa dalam melanjutkan pendidikan nya. Pembuat keputusan bisa menggunakan model prediksi seberapa besar keinginan mahasiswa diploma nya unutk melanjutkan pendidikannya ke jenjang sarjana. Penelitian ini memperkenalkan aplikasi metode klasifikasi ruledecision tree algoritma C 4.5 dan Support Vektor Machine untuk lembaga pendidikan perguruan tinggi swasta.

BAB III

METODOLOGI PENELITIAN

3.1 Pendahuluan

Tujuan dari tesis ini adalah untuk membuat model keterhubungan data mahasiswa menggunakan algoritma C 4.5 dan Support Vektor Machine untuk mengetahui seberapa besar keinginan mahasiswa diploma untuk melanjutkan pendidikan ke jenjang sarjana dengan menyediakan data prilaku sehari-hari mahasiswa diploma yang dapat digunakan sebagai pedoman analisis dalam pembuatan keputusan.

Pada bagian ini di mulai dengan menggambarkan studi kasus data mining

pada jumlah mahasiswa diploma di perguruan tinggi dan prosedur bagaimana mengumpulkan data yang dapat digunakan pada penelitian ini.

Data dikumpulkan dari database pendidikan akademik dan mensurvei mahasiswa diploma yang telah menempuh semester 4 dan semester 6 sampai dengan tahun 2012 di Akademi Manajemen Informatika Komputer (AMIK) Tunas Bangsa Pematangsiantar. Instrumen penelitian yang digunakan harus mempunyai ukuran yang akurat. Secara terperinci, bagaimana mendapatkan input yang lebih baik dalam proses data mining yang digambarkan pada bagian sebelum pemprosesan data. Penulis memberikan tinjauan singkat dari beberapa analysis

data yang digunakan pada penelitian ini.

3.2

Lokasi dan Waktu Penelitian

Penelitian dilakukan di Akademi Manajemen Informatika Komputer (AMIK) Tunas Bangsa, Jl. Jendral Sudirman Blok A No. 1,2,3 Pematangsiantar. Lamanya waktu yang dibutuhkan untuk menyelesaikan penelitian ini selama 4 bulan yang dimulai pada awal Maret 2012 sampai dengan akhir bulan Juni 2012.

3.3 Rancangan Penelitian

Rancangan penelitian ini pertama kali dilakukan dengan melakukan pengamatan

kemudian dibuat percobaan yang mendukung, selanjutnya dilakukan eksperimen data dengan menggunakan rapidminer yang merupakan software open source

untuk membuat model aturan data yang diambil dari database mahasiswa Akademi Manajemen Informatika Komputer (AMIK) Tunas Bangsa dan data demografi mahasiswa. Hasil dari eksperimen data ini merupakan pengembangan dari ilmu pengetahuan yang nantinya dapat merupakan masukan bagi pemecahan masalah yang ada di lembaga pendidikan, dalam hal ini di Akademi Manajemen Informatika Komputer (AMIK) Tunas Bangsa Pematangsiantar.

Secara garis besar metodologi penelitian ini dilaksanakan adalah sebagai berikut: 1. Studi literatur yang berkaitan dengan permasalahan dan teknik-teknik yang

akan dipergunakan untuk analisis data, yang bersumber dari journal-journal, makalah-makalah, buk1

2. Berdasarkan teoritis yang sudah eksis dan tinjauan pustaka, akan dibangun kuesioner untuk melihat tingkat korelasi dari faktor-faktor prediktor yang akan diusulkan.

u-buku dan sumber-sumber lain yang berkaitan termasuk internet.

3. Pengambilan data mahasiswa program diploma tiga dari Database AMIK Tunas Bangsa Pematang Siantar.

4. Penyebaran kuesioner terhadap mahasiswa program diploma tiga bidang informatika dan komputer di AMIK Tunas Bangsa Pematang Siantar. 5. Pemeriksaan kelengkapan data dan pembersihan terhadap data-data yang

tidak lengkap.

6. Melakukan proses Data Preparation ( Data cleaning, and Transformation) untuk persiapan sebagai input analisis data.

7. Pengujian dan Analisis data menggunakan bantuan prangkat lunak yang ada

8. Pembahasan dan analisis terhadap hasil pengolahan data 9. Pendokumentasian proses dan hasil pengolahan data 10.Perumusan kesimpulan

3.4 Prosedur Pengumpulan Data

Dalam studi kasus ini, untuk data set pertama, penulis mengumpulkan data dari mengembangkan kuesioner (Lampiran A) untuk mengukur keterhubungan data demografi yang sesungguhnya dari mahasiswa. 5 (lima) pertanyaan menghasilkan informasi demografi untuk responden. Pertanyaan pertanyaan yang dibuat adalah tipe skala point linker 5 yang disusun dari “ sangat setuju” sampai “ sangat tidak setuju”. yang berkenaan untuk membuat prediksi perilaku mahasiswa. Data set pertama dapat dilihat pada Tabel 3.1

Tabel 3.1 Tampilan Data Set Pertama

No Role Name Type

1 Label Lanjut Studi Nominal

2 Regular Minat Belajar Nominal

3 Regular Kepercayaan Diri Nominal

4 Regular Perilaku Belajar Nominal

5 Regular Dukungan Orangtua Nominal

6 Regular Waktu Belajar Nominal

Pada Tabel 3.1 atribut Lanjut Studi sebagai label yang merupakan tujuan dari atribut Minat Belajar, Kepercayaan Diri, Perilaku Belajar, Dukungan Orangtua, dan Waktu Belajar.

3.5 Validitas dan Reliabilitas (Keakuratan) Data

Akurasi instrumen yang digunakan pada penelitian ini adalah penting. Akurasi mengacu apakah instrumen yang digunakan mengukur secara konsisten setiap waktu dan populasi ( Gall et al., 1996 ).

Survei dalam studi ini diuji dalam jangka waktu dan ukuran internal yang terpercaya yang memiliki keterkaitan antara bagian bagian tes ( Brown and Alexander, 1991 ). Hal ini menjamin apakah pengukuran instrumen secara akurat dimaksudkan untuk mengukur.

Cronbach’s Alpha diberikan survei untuk mengukur konsistensi internal. Menurut Mitchell dan Jolley ( 1999 ), Cronbach’s Alpha pada atau di atas 0.60 diterima sebagai bukti realibilitas internal. Validitas dan Realibilitas dari kuesioner dengan jumlah data sebanyak 75 item, seperti pada Tabel 3.4

Tabel 3.2 Statistik Reliabilitas Data No Variabel dalam Skala Cronbach's alpha

Jumlah Data

1 Faktor Kepercayaan Diri .669 75

2 Faktor Dukungan Orang Tua .655 75

3 Faktor Minat Belajar .663 75

Dari Tabel di atas Cronbach's alpha dari ke tiga variabel berjumlah di atas 0.60 ini menunjukkan bahwa data yang diolah adalah valid dan dipercaya.

3.6 Preprocessing Data

3.6.1 Preprocessing Data Kuesioner

Data survei dalam bentuk kuesioner yang dibagikan kepada mahasiswa terdiri dari beberapa field. Data yang dikumpulkan dapat dilihat pada Tabel 3.7

Tabel 3.3 Data Kuesioner

Nim Nama IP Q Q Q Q Q R Q Q Q Q Q R Q Q Q Q Q R

1 2 3 4 5 E 6 7 8 9 10 O 11 12 13 14 15 F

… … … …

Data pada Tabel 3.3 di atas dapat dijelaskan bahwa :

1. Q1 sampai dengan Q5 adalah pertanyaan untuk minat belajar. 2. RE adalah rata-rata minat dari pertanyaan Q1 sampai dengan

Q5

3. Q6 sampai dengan Q10 adalah pertanyaan untuk kepercayaan diri.

4. RO adalah rata-rata kepercayaan diri dari pertanyaan Q6 sampai dengan Q10

5. Q11 sampai dengan Q15 adalah pertanyaan untuk perilaku belajar

6. RF adalah rata-rata perilaku belajar dari pertanyaan Q11 sampai dengan Q15

7. Q16 sampai dengan Q20 adalah pertanyaan untuk dukungan orang tua.

8. RD adalah rata-rata dukungan orang tua dari pertanyaan Q16 sampai dengan Q20

9. Q21 sampai dengan Q25 adalah pertanyaan untuk waktu belajar

10. RW adalah rata-rata waktu belajar dari pertanyaan Q21 sampai dengan Q25

Dari keterangan tabel 3.3 di atas, pengolahan data penelitian dibagi dua, yaitu jumlah minat belajar, kepercayaan diri, perilaku belajar, dukungan orang tua dan waktu belajar digunakan pada software rapidminer sedangkan nilai dari pertanyaan digunakan pada software SPSS 18.

3.7 Alat Analisis Data

3.7.1 Paket Statistik untuk Ilmu Sosial

SPSS (Statistical Package for the Social Sciences) dianggap timer (alat pengukur waktu) tertua di bidang data mining. Ini awalnya dirancang untuk digunakan oleh ilmuwan sosial untuk menganalisa data dari survei. SPPS mengizinkan pengguna untuk menarik data dan menampilkan operasi analisis statistik yang rumit, seperti komputasi regresi dan menampilkan presentasi data grafis. Ini juga menggunakan inferensial yang rumit dan prosedur statistik yang multi variasi, seperti analisis

varians (ANOVA), analisis faktor, analisis kluster,dan analisis data katerogikal. SPSS terutama sekali sangat cocok digunakan untuk survei penelitian.

SPPS 18.0 digunakan pada studi ini untuk menampilkan analisis regresi pada data set yang dijelaskan pada Tabel 3.2 Keduanya merupakan langkah yang bijak dan penuh model regresi yang dijalankan untuk menentukan model yang terbaik yang sesuai dengan data.

3.7.2 Komunitas Rapidminer

Rapidminer dahulu YALE Mierswa et al. (2006 ) ini adalah permulaan yang bebas dan terbuka untuk KDD dan Machine Learning, yang menyediakan beraneka ragam metode yang mengizinkan bentuk dasar dari aplikasi baru. Rapidminer (dahulu nya YALE ) dan propagandanya membuktikan lebih dari 400 operator dari segala aspek data mining. Operator meta secara otomatis mengoptimalkan desain eksperimen dan pengguna tidak memerlukan waktu yang panjang untuk menentukan langkah dan parameter yang lebih panjang. Sejumlah besar teknik visualisasi dan kemungkinan untuk meletakkan breakpoints setelah masing masing operator memberikan pandangan tentang keberhasilan desain anda- bahkan untuk menjalankan percobaan.

Rapidminer 5.0 digunakan pada studi ini untuk menampilkan kelompok siswa pada kumpulan data dan memperlihatkan matriks presentasi yang tersebar dari kelompok data.

3.8 Instrument Penelitian

Dalam penelitian ini, penulis melakukan beberapa dataset file dalam bentuk spreadsheet file excel 2003 (xls). Transformasi data ini diperlukan sebagai masukan untuk perangkat lunak yang akan digunakan dalam penelitian ini. Dalam pengolahan data transformasi, penulis menggunakan perangkat lunak rapidminer versi 5.0 Instrumen penelitian seperti Gambar 3.4 dapat dijelaskan bahwa data penelitian berasal dari data kuesioner mahasiswa dan data dari database pendidikan AMIK Tunas Bangsa. Kedua data set ini kemudian diubah kedalam bentuk file excel (.xls) dan bersifat nominal. Setelah data dipilih yang berbentuk klasifikasi maka data kemudian dianalisis menggunakan software

.

Gambar 3.4 Proses Percobaan

3.9 Diagram Aktifitas Kerja Penelitian

Berikut ini alur kerja yang akan dilakukan pada penelitian ini yang digambarkan dalam diagram aktivitas pada Gambar 3.5

Peneliti Software

Data Set di rubah Menjadi

Type .xls

Pengumpulan Data Dari Database

Pengumpulan Data dari Kuisioner

Transformation datasets RapidMiner Software

KNOWLEDGE

Tidak

Sesuai

Tidak

Ya

Gambar 3.5 Diagram Aktivitas Kerja Penelitian

3.10 Model Decision Tree

Model decision tree dengan Model Text yang akan digunakan disajikan pada Gambar 3.6

Identifikasi Masalah

Menetapkan Tujuan Penelitian

Mengumpulkan Data Dari database Akademik dan Kuesioner dari Mahasiswa

DTS Data SQL ke excel

Analis data dengan SPSS

Olah Data di Rapidminer Decision Tree & SVM Valid

Membuat Rule dan Analisa

Membuat Kesimpulan dan Saran

Dari Gambar 3.6 dapat dijelaskan bahwa factor Kepercayaan Diri memiliki pengaruh paling besar dalam data penelitian tesis ini, setelah dilakukan percobaan dengan menggunakan rapidminer bahwa variabel Kepercayaan Diri berada pada node paling atas. Rule setelah diterjemahkan ke dalam bahasa sederhana adalah :

Rule Keterangan Rule Predikat

1. Jika jumlah Kepercayaan Diri = High Ya

2. Jika jumlah Kepercayaan Diri = High dan jumlah Dukungan Orang tua = High

Ya 3. Jika jumlah Kepercayaan Diri = High dan jumlah Minat Belajar

= High

Ya 4.

5.

Jika jumlah Kepercayaan Diri = High dan jumlah Perilaku Belajar = High

Jika jumlah Kepercayaan Diri = High dan jumlah Waktu Belajar = High

Ya Ya

3.11

Model Support Vektor Machine

Model support vektor machine dengan Model grafik yang akan digunakan disajikan pada Gambar 3.7

Gambar 3.7 Model Grafik Support Vektor Machine

Dari Gambar 3.7 dapat dijelaskan bahwa setelah dilakukan percobaan dengan menggunakan support vector machine bahwa masing-masing variabel

yang ada didalam data langsung dibanding ke predikat label yang di maksud, sehingga setelah diterjemahkan kedalam bahasa sederhana adalah :

Jumlah variable Minat Belajar diprosentasekan ke dalam predikat Lanjut 1 dan 2 yang berarti 1 = ya, 2 = tidak.

BAB IV

HASIL DAN PEMBAHASAN

4.1 Pendahuluan

Bab ini menyajikan hasil penelitian sesuai dengan pertanyaan-pertanyaan yang diajukan pada permulaan. Penelitian dilaksanakan menggunakan data set kuesioner yang terdiri dari data jumlah minat belajar, kepercayaan diri , perilaku belajar, dukungan orangtua dan waktu belajar yang diisi oleh mahasiswa. Kumpulan data yang diperoleh digunakan sebagai contoh sumber input untuk membuat model aturan menggunakan algoritma C 4.5 dan support vector machine menggunakan software rapidminer. Dalam percobaan ini, penulis menampilkan gambar pemetaan model analisis prediksi keinginan mahasiswa diploma 3 menggunakan algoritma C 4.5 untuk melanjutkan studi kejenjang sarjana. Penulis menganalisis data menggunakan analisis multi regresi dengan SPSS (Statistical Package for the Social Sciences) untuk mengetahui hubungan antara variabel dependent dan independent. Pohon Keputusan digunakan untuk membuat model analisa dan prediksi yang akan dipilih dalam mengambil keputusan pada bagian manajemen akademik.

4.2 Hasil Percobaan

Dalam percobaan ini penulis menguji signifikan reliabilitas data dari hasil kuesioner yang dibagikan ke mahasiswa dengan menggunakan metode

Cronbach's Alpha untuk data sampel yang terdiri dari 75 data, sedangkan untuk keseluruhan data sebagai data testing penulis menggunakan sebanyak 1254 data. Adapun hasil percobaan training dan testing data dapat dilihat pada Tabel 4.1 sampai dengan Tabel 4.3

4.2.1 Hasil Percobaan Sampel Data

Dalam pengujian data sampel yang terdiri dari 75 data dibagi tiga yaitu : 1. Faktor kepercayaan diri terdapat pada Tabel 4.1

2. Faktor dukungan orang tua terdapat pada Tabel 4.2 3. Faktor minat belajar terdapat pada Tabel 4.3

Tabel 4.1 Signifikan dan Reliabilitas Statistik Kepercayaan Diri

Cronbach's Alpha

Cronbach's Alpha Based on

Standardized Items

N of Items

,669 ,676 5

Pada Tabel 4.1 analisa signifikan dan reliabilitas statistik kepercayaan diri dapat disimpulkan bahwa nilai Cronbach's Alpha 0,669 dengan jumlah pertanyaan sebanyak 5 buah pertanyaan dan nilai Cronbach's Alpha di atas nilai standar adalah 0,676. Karena Cronbach's alpha di atas 0,60 maka percobaan data dapat diterima sebagai bukti reliabilitas internal

Tabel 4.2 Signifikan dan Reliabilitas Statistik Dukungan Orang Tua

Cronbach's Alpha Cronbach's Alpha

Based on Standardized Items

N of Items

,655 ,680 5

Pada Tabel 4.2 analisa signifikan dan reliabilitas statistik faktor dukungan orang tua dapat disimpulkan bahwa nilai Cronbach's Alpha 0,655 dengan jumlah pertanyaan sebanyak 5 buah pertanyaan dan nilai Cronbach's Alpha di atas nilai standar adalah 0,680 karena Cronbach's alpha di atas 0,60 maka percobaan data dapat diterima sebagai bukti reliabilitas internal

Tabel 4.3 Signifikan dan Reliabilitas Statistik Faktor Minat Belajar

Cronbach's Alpha

Cronbach's Alpha Based

on Standardized

Items N of Items

Pada Tabel 4.3 analisa signifikan dan reliabilitas statistik faktor minat belajar dapat disimpulkan bahwa nilai Cronbach's Alpha 0,663 dengan jumlah pertanyaan sebanyak 5 buah pertanyaan dan nilai Cronbach's Alpha di atas nilai standar adalah 0,677 karena Cronbach's alpha di atas 0,60 maka percobaan data dapat diterima sebagai bukti reliabilitas internal.

Dari hasil sampel dan testing dapat disimpulkan bahwa data yang penulis gunakan adalah valid dan dapat dipercaya. Dari perbedaan data sampel dan testing data dapat dilihat pada Tabel 4.4

Tabel 4.4 Signifikan dan Reliabilitas Statistik Data No Variabel dalam Skala Cronbach's alpha

Data Training 75 Data

Cronbach's alpha

Data Testing 1254 Data

1 Faktor Kepercayaan Diri .669 .629

2 Faktor Dukungan Orang Tua .655 .623

3 Faktor Minat Belajar .663 .628

Dari Tabel 4.4 di atas dapat dijelaskan bahwa statistik signifikan dan reliabilitas data sampel lebih tinggi dari data testing atau keseluruhan data dengan alasan data training adalah data sampel sementara data testing adalah keseluruhan data.

4.2.2 Hasil Percobaan Descriptive Data

Pengolahan data Descriptive statistik digunakan untuk menyajikan data statistik deskriptif pada sebuah variabel seperti jumlah data, ukuran penyebaran berupa rentang data (range), minimum, maximum, rata-rata (mean), standart deviasi, dan

variance hasil dari uji data keseluruhan dapat dilihat pada Tabel 4.5 Tabel 4.5 Descriptive Statistik Testing Data

N Range Minimum Maximum Mean Std.

Deviation Variance

p1 1254 2 3 5 4,38 ,657 ,432

P2 1254 2 3 5 3,67 ,731 ,534

p3 1254 2 3 5 4,03 ,824 ,680

p4 1254 2 3 5 4,40 ,633 ,401

p5 1254 2 3 5 4,66 ,507 ,257

Kep. Diri 1254 7 13 20 16,76 1,788 3,196

p6 1254 2 3 5 4,37 ,657 ,432

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Tesis ini menghasilkan beberapa kesimpulan sebagai berikut :

1. Diperoleh suatu model aturan yang dapat memperlihatkan analisis dan prediksi pada perilaku mahasiswa diploma untuk melanjutkan studi ke jenjang sarjana.

2. Dalam studi kasus pada Akademi Manajemen Informatika Komputer (AMIK) Tunas Bangsa Pematangsiantar bahwa sebagian besar mahasiswa yang memiliki predikat Melanjutkan apabila faktor rata-rata Kepercayaan Diri = Tinggi dan Dukungan Orang Tua = Tinggi dan Minat Belajar = Tinggi.

3. Algoritma C 4.5 tetap dianggap sebagai algoritma yang sangat membantu dalam melakukan klasifikasi data karena karakteristik data klasifikasi didapatkan dengan jelas baik dalam bentuk struktur pohon keputusan (tree) mapun aturan induction rue if then, sehingga memudahkan pengguna dalam melakukan penggalian informasi terhadap yang bersangkutan.

4. Penelitian ini telah menunjukkan ada tiga dari lima variabel tersebut memiliki korelasi yang sangat signifikan terhadap model aturan analisis dan prediksi pada perilaku mahasiswa diploma untuk melanjutkan studi ke jenjang sarjana seperti yang diusulkan (faktor kepercayaan diri, faktor dukungan orang tua dan minat belajar) dengan predikat lanjut studi. Semua prediktor tiga variabel di atas memberikan kontribusi 82,8% dan variabel terbaik dari prediktor kepercayaan diri memberikan kontribusi 79,8%.

5.2 Saran

Saran penulis terhadap tesis ini adalah sebagai berikut :

1. Dalam penelitian lebih lanjut, pengujian model aturan dapat menggunakan metode SSVM (Smooth Support Vector Machine) sebagai alat pengujian akurasi kebenaran model aturan yang didapat. 2. Dari pendekatan model aturan yang didapat, perlu menjadi perhatian

khusus bagi manajemen AMIK Tunas Bangsa Pematangsiantar untuk melihat dan mengambil keputusan variabel mana yang harus diperhatikan, sehingga mahasiswa yang akan lulus dapat melanjukan studinya ke jenjang sarjana.

DAFTAR PUSTAKA

Adeyemo B. A. dan Kuye G, 2006, Mining Students’ Academic Performance Using Decision Tree Algorithms, Journal of Information Technology Impact, Vol. 6 No. 3 pp. 161-170.

Al-Radaideh Q.A, Al-Shawakfa E.M. dan Al-Najjar I. M, 2006, Mining Student Data using Decision Trees, International Arab Conference on Information Technology (ACIT’2006), pp. 1-5.

Basuki A dan Syarif I, 2003. Decision Tree. Politeknik Elektronika Negeri Surabaya (PENS) – ITS www2.eepis-its.edu/~basuki/lecture/Decision Tree.pdf

Berry, M. J. A. dan Linoff G. S, 2004. Data Mining Techniques For Marketing, sales, Customer Relationship Management, Second Edition, Wiley Publishing, Inc.

. diakses tanggal 15 april 2012

Bhargavi P, Jyothi B, Jyothi S and Sekar K, 2008, Knowledge Extraction Using Rule Based Decision Tree Apprroach, IJCSNS International Journal of Computer Science and Network Security, Vol. 8, pp.296-301.

Braha D dan Shmilovici A, 2003, On the Use of Decision Tree Induction for Discovery of Interactions in a Photolithographic Process, IEEE Transaction on Semiconductor Manufacturing, Vol. 16, pp. 644-652.

Brown, L. & Alexander, J. (1991). Self-Esteem Index Examiner’s Manual. Austin, TX: Pro-Ed Publishing.

Christoper Burges. “A Tutorial on support vector Machines for Pattern Recognition”, Data Mining and Knowledge Discovery, 2(2), 1998

Craw, S. (2005). Case Based Reasoning : Lecture 3: CBR Case-Base Indexing

CRISP ( Cross Industry Standard Process for Data Mini

Dunham, M.H. 2003. Data mining introductory and advanced topics. New Jersey: Prentice Hall.

Fayyad, U. M, 1996, Advances in Knowledge Discovery and Data Mining. Camberidge, MA: The MIT Press.

Gall, M. D., Borg, W. R., & Gall, J. P. (1996). Educational research introduction (6th ed.). White Plains, NY: Longman Publishers USA.

Kruck, S. E dan Lending D, 2003, Predicting Academic Performance in an Introductory College-Level IS Course, Information Technology, Learning, and Performance Journal, Vol. 21, No. 2 pp. 9-15.

Larose D, T., 2006, Data Mining Methods and Models, Jhon Wiley & Sons, Inc. Hoboken New Jersey

Maimon, O. dan Last, M. 2000. Knowledge Discovery and Data Mining, The Info-Fuzzy Network (IFN) Methodology. Dordrecht: Kluwer Academic. Merceron, A and Yacef, K. 2005. Educational Data mining: A case study. In

proceedings of the 12th

Mitchell M dan Jolley J, 1999. Research Design Explained. New York: Holt, Rinehart and Winston.

International Conference on Artificial Intelligence in Education AIED 2005, Amsterdam, The Netherlands, IOS Press, Vol 5, pp 1-8

Mierswa, I., Wurst, M., Klinkenberg, R., Scholz, M. and Euler, T., 2006, Yale

Proceedings of the

ACM SIGKDD International Conference on Knowledge Discovery and Data Mining

Nogroho F.S,D, 2008, Implementasi Decision Tree Bebasis Analisis Teknikal untuk Pembelian dan Penjualan Saham, Vol. 9, pp. 38-49.

Ogor E. N, 2007. Student Academic Performance Monitoring and Evaluation, Congress of Electronics, Robotics and Automotive Mechanic, Vol.4, pp-354-359

Pramudiono,I, 2006, Apa itu Data Mining ? dalam

Quadri N.M and Kalyankar N.V, 2010, Drop Out Feature of Student Data for Academic Performance Using Decision Tree Techniques, Global Journal of Computer Science and Technology, Vo. 10, pp. 2-5.

Rocha B.C. dan Junior S.T. R, 2010, Identifying Bank Frauds Using Crisp-Dm and Decision Trees, International Journal of Computer Science & Information Technology (IJCSIT), Vol. 5 No.5, pp. 162-169.

Romero, C. and Ventura, S. 2007. Educational Data mining: A survey from 1995 to 2005, Expert systems With Application” Vol. 33, pp. 135-146.

Sembiring S, Embong A, Mohammad, M. A, Furqan M, 2009, “Improving Student Academic Performance by An Application of Data Mining Techniques”, Proceeding The 5th

She R., Chu J. S. C. Wang K. dan Chen N., 2010, Fast Accurate Gene Prediction by Decision Tree Classification., Proceedings SIAM International Conference on Data Mining Vol 10, pp 790-801

IMT-GT International Conference on Mathematics, Statistics, and Their Application , ISBN 978-602-95343-0-6, page 390-394.

SPSS, Clementine 7.0 User’s guide, 2004

Sunjana, 2010a, Aplikasi Mining Data Mahasiswa dengan Metode Klasifikasi Decision Tree, Seminar Nasional Aplikasi Teknologi Informasi, Vol 7 pp. 24-29.

Sunjana, 2010b, Klasifikasi Data Nasabah Sebuah Asuransi Menggunakan Algoritma C4.5, Seminar Nasional Aplikasi Teknologi Informasi, Vol. 7, pp. 31-34.

Turban, E., Aronson, J. E. & Liang, T., 2005, Decision Support Sistems and Intelligent Sistems (Sistem Pendukung Keputusan dan Sistem Cerdas), Edisi Ketujuh, Andi, Yogyakarta.

Waiyamai,K 2003. Improving Quality Graduate Student by Data Mining. Departement of Computer engineering. Faculty of Engineering. Kasetsart University, Bangkok Thailand Presentasi dalam

Yu C. H, DiGangi S, Pennell J.A dan Kaprolet C, 2010, A Data Mining Approach for Identifying of Student Retention from Sophomore to Junior Year, Journal of Data Science Vol. 8, pp 307-325