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. Deviatio
n Variance
p1 734 2 3 5 4,38
,657 ,432 P2 734 2
3 5 3,67
,731 ,534 p3 734 2 3
5 4,03 ,824 ,680
p4 734 2 3 5 4,40
,633 ,401 p5 734 2 3
5 4,66 ,507 ,257
Ekonomi 734 7
13 20
16,76 1,788 3,196 p6 734 2 3
5 4,37 ,657 ,432
p7 734 2 3 5 3,66
,722 ,521 p8 734 2 3
5 4,02 ,827 ,685
p9 734 2 3 5 4,39
,633 ,401 p10 734 2
3 5 4,65 ,510 ,261
Dukungan Orang
Tua 734 9 16
25 21,08 2,156
4,648 p11 734 2
3 5 4,39 ,659 ,435
P12 734 2 3
5 3,68 ,743 ,552 p13 734 2
3 5 4,02 ,823 ,678
p14 734 2 3
5 4,40 ,638 ,407 p15 734 2
3 5 4,67 ,504 ,255
Fasilitas Belajar
734 9 16 25 21,16
2,162 4,675
Valid N listwise
734
Pada Tabel 4.5 fungsi analisa descriptive data adalah untuk memberikan gambaran umum tentang data yang telah diperoleh. Gambaran umum ini bisa
menjadi acuan untuk melihat karakteristik data yang kita peroleh. Untuk mengawali analisa ini penulis melakukan analisis descriptive sebelum melakukan
analisis lainnya pada data. Hal ini sangat penting karena dengan analisis descriptive kita bisa mengkoreksi secara cepat data yang sudah kita entri. Pada
Tabel 4.5 penulis menggunakan jumlah data sebanyak 734 data dan semua data valid.
Universitas Sumatera Utara
4.2.3 Hasil Percobaan Frekuensi Data 4.2.3.1 Statistik Frekuensi Faktor Ekonomi
Pengolahan data frekuensi statistik faktor ekonomi digunakan untuk menampilkan dan menggambarkan data tentang faktor ekonomi dari pilihan responden. Hasil
dari uji data keseluruhan dapat dilihat pada Tabel 4.6 Tabel 4.6 Statistik Frekuensi Faktor Ekonomi
Frequency Percent Valid
Percent Cumulative
Percent Valid
13 35 4,8
4,8 4,8
14 35
4,8 4,8
9,5 15
116 15,8
15,8 25,3
16 161
21,9 21,9
47,3 17
103 14,0
14,0 61,3
18 145
19,8 19,8
81,1 19
102 13,9
13,9 95,0
20 37
5,0 5,0
100,0 Total
734 100,0
100,0
Tabel 4.6 Statistik frekuensi faktor ekonomi menjelaskan frekuensi data, dimana jumlah responden yang memiliki data berdasarkan ekonomi orang tua
tertentu. Seperti misalnya responden dengan total nilai 13 ada 35 orang, responden dengan nilai 14 ada 35 orang dan seterusnya. Percent, menunjukkan
prosentase dari jumlah data yang memiliki faktor ekonomi.
4.2.3.2 Statistik Frekuensi Faktor Dukungan Orang Tua
Pengolahan data frekuensi statistik faktor dukungan orang tua digunakan untuk menampilkan dan menggambarkan data tentang faktor dukungan orang tua dari
pilihan responden. Hasil dari uji data keseluruhan dapat dilihat pada Tabel 4.7 Tabel 4.7 Statistik Frekuensi Faktor Dukungan Orang Tua
Frequency Percent Valid
Percent Cumulative
Percent Valid
16 24 3,3
3,3 3,3
17 24
3,3 3,3
6,5 18
25 3,4
3,4 9,9
19 109
14,9 14,9
24,8 20
113 15,4
15,4 40,2
21 110
15,0 15,0
55,2 22
97 13,2
13,2 68,4
23 123
16,8 16,8
85,1 24
97 13,2
13,2 98,4
25 12
1,6 1,6
100,0 Total
734 100,0
100,0
Universitas Sumatera Utara
Tabel 4.7 Statistik frekuensi dukungan orang tua menjelaskan frekuensi, menunjukkan jumlah responden yang memiliki data berdasarkan dukungan
orang tua tertentu. Seperti misalnya responden dengan total nilai 16 ada 24 orang, responden dengan nilai 17 ada 24 orang dan seterusnya. Percent,
menunjukkan prosentase dari jumlah data yang memiliki faktor dukungan orang tua
4.2.3.3 Statistik Frekuensi Faktor Dukungan Fasilitas Belajar Mahasiswa
Pengolahan data frekuensi statistik faktor fasilitas belajar mahasiswa digunakan untuk menampilkan dan menggambarkan data tentang faktor fasilitas
belajar mahasiswa dari pilihan responden. Hasil dari uji data keseluruhan dapat dilihat pada Tabel 4.8
Tabel 4.8 Statistik Frekuensi Faktor Fasilitas Belajar Mahasiswa
Frequency Percent Valid
Percent Cumulative
Percent Valid
16 24 3,3
3,3 3,3
17 24 3,3
3,3 6,5
18 24
3,3 3,3
9,8 19
97 13,2
13,2 23,0
20 110
15,0 15,0
38,0 21
111 15,1
15,1 53,1
22 111
15,1 15,1
68,3 23
110 15,0
15,0 83,2
24 110
15,0 15,0
98,2 25
13 1,8
1,8 100,0
Total 734
100,0 100,0
Tabel 4.8 Statistik frekuensi fasilitas belajar mahasiswa menjelaskan frekuensi, menunjukkan jumlah responden yang memiliki data berdasarkan
fasilitas belajar mahasiswa tertentu. Seperti misalnya responden dengan total nilai 16 ada 24 orang, responden dengan nilai 17 ada 24 orang dan seterusnya. Percent,
menunjukkan prosentase dari jumlah data yang memiliki faktor fasilitas belajar mahasiswa
Sedangkan uji frekuensi untuk statistik, semua data yang dimasukkan ke dalam pengujian data yang terdiri dari :
1. Faktor ekonomi orang tua
2. Faktor dukungan orang tua
Universitas Sumatera Utara
3. Faktor fasilitas belajar mahasiswa
Ketiga data tersebut, dilakukan pengujian dengan uji frekuensi tiga faktor dari data demografi. Hasil pengujian data frekuensi dapat dilihat pada Tabel 4.9
Tabel 4.9 Statistik Frekuensi Tiga Faktor Pendukung
Ekonomi Dukungan
Orang Tua Fasilitas
Belajar N
Valid 734 734
734 Missing
0 0 16,76 21,08
21,16 ,066 ,080
,080 17,00 21,00
21,00 1,788 2,156
2,162 3,196 4,648
4,675 -,143 -,350
-,403 ,090 ,090
,090 -,700 -,547
-,479 ,180 ,180
,180 7 9
9 13 16
16 20 25
25 Mean
Std. Error of Mean Median
Std. Deviation Variance
Skewness Std. Error of Skewness
Kurtosis Std. Error of Kurtosis
Range Minimum
Maximum Sum
12300 15474 15535
Tabel 4.9 menjelaskan data statistik frekuensi tiga faktor pendukung yang terdiri dari :
1. N menunjukkan jumlah data yang diproses yaitu 734 buah
2. Mean menunjukkan rata-rata tinggi badan dari 734 responden
3. Median menunjukkan titik tengah data yaitu jika data diurutkan dan dibagi
dua sama besar. 4.
Standard deviasi adalah menunjukkan dispersi rata-rata dari sampel. 5.
Ukuran skewness adalah Rasio skewness adalah nilai skewness dibagi dengan standard error skewness. Jika rasio skewness berada diantara nilai
-2.00 sampai dengan 2.00 maka distribusi data adalah normal. 6.
Nilai kurtosis adalah -1.170. Sama seperti skewness, maka rasio kurtosis adalah nilai kurtosis dibagi dengan standard errornya
4.2.4 Signifikan dan
Multicollinearity 4.2.4.1 Signifikan
Dalam penelitian ini, penulis telah menguji hubungan antara empat prediktor variabel model aturan untuk predikat keberhasilan mahasiswa dengan
Universitas Sumatera Utara
menggunakan metode analisis regresi berganda dengan model fit untuk mengetahui variabel manakah yang paling memberikan kontribusi. Hasil yang
diperoleh menunjukkan bahwa ada tiga dari empat variabel tersebut di atas memiliki korelasi yang sangat signifikan terhadap model aturan untuk predikat
keberhasilan mahasiswa ekonomi, dukungan orang tua, fasilitas belajar. Semua- prediktor tiga variabel di atas memberikan kontribusi 82,8 dalam membuat
model aturan untuk predikat keberhasilan mahasiswa, seperti terlihat pada Tabel
4.10
Tabel 4.10 Korelasi Signifikan dari Tiga Prediktor Variabel Predikat
Dari Tabel 4.10 kita dapat melihat bahwa variabel terbaik dari prediktor ekonomi lihat pada R square ubah memberikan kontribusi 79,8. Keempat
variabel memberikan kontribusi yang signifikan R
2
= 0,828. Dengan demikian, kita dapat menyimpulkan bahwa tiga variabel tersebut di atas adalah sangat
dipercaya untuk digunakan sebagai penaksir model aturan untuk predikat keberhasilan mahasiswa, seperti yang terdapat pada Tabel 4.11
Model Summary
d
Change Statistics Model
R R
Square Adjust
ed R Square
Std. Error of
the Estimate
R Squ
are Cha
nge F Change
df1 df2
Sig. F Chang
e Durbin-
Watson 1
,894
a
,798 ,798
,365 ,798
2899,058 1
732 ,000
2 ,908
b
,825 ,824
,341 ,026
108,706 1
731 ,000
3 ,910
c
,828 ,827
,338 ,003
13,996 1
730 ,000
1,882 a. Predictors: Constant, EKONOMI
b. Predictors: Constant, EKONOMI, ORANGTUA c. Predictors: Constant, EKONOMI, ORANGTUA, FASILITAS
d. Dependent Variable: PREDIKAT
Universitas Sumatera Utara
Tabel 4.11 Signifikan dari Tiga Variabel Prediktor Predikat
4.2.4.2 Multicollinearity
Karena prediksi beberapa variabel yang digunakan dalam penelitian ini, penting untuk mengidentifikasi Multicollinearity apapun. Multicollinearity adalah
masalah umum dalam analisis korelasi banyak. Hal ini terjadi ketika variabel yang berlebihan dan dapat mengganggu penafsiran yang tepat dari hasil regresi
berganda. Cara sederhana untuk mengidentifikasi collinearity adalah toleransi dan VIF Varian Inflation Factor. Toleransi adalah jumlah variabilitas variabel
independen yang dipilih. Toleransi nilai mendekati 0.00 menunjukkan variabel sangat collinear dengan variabel prediktor lainnya. Faktor inflasi varian
berbanding terbalik dengan nilai toleransi. Sebuah nilai VIF yang besar, biasanya ambang 10,0 menunjukkan tingkat tinggi collinearity atau
multicollinearity antar variabel independen, seperti pada Tabel 4.12
Tabel 4.12 Multicollinearity Diagnostik
Collinearity Statistics Model
Beta In
T Sig.
Partial Correlation
Tolerance VIF
Minimum Tolerance
,726
a
10,426 ,000 ,360
,049 20,223 ,049
ORANGTUA FASILITAS
,725
a
10,830 ,000 ,372
,053 18,844 ,053
FASILITAS ,461
b
3,741 ,000 ,137
,016 64,368 ,014
Model Summary
b
Change Statistics Model
R R
Square Adjuste
d R Square
Std. Error
of the Estim
ate R
Square Change F Change
df1 df2
Sig. F Chang
e Durbin-
Watson 1
,910
a
,828 ,827
,338 ,828
1169,793 3
730 ,000
1,882
a. Predictors: Constant, FASILITAS, EKONOMI, ORANGTUA b. Dependent Variable: PREDIKAT
Universitas Sumatera Utara
Pada Tabel 4.12 tabel nilai toleransi terkecil bagi langkah model fit adalah 0,14 dan memiliki nilai VIF melebihi 10.0, sehingga tidak ada multicollinearity
yang signifikan dalam penelitian ini. Hal ini memastikan bahwa hasil percobaan data tidak bias.
4.2.5 Hasil Percobaan
Decision Tree
Model sampel aturan decision tree dengan model grafik dari software rapidminer yang akan digunakan dapat dilihat pada gambar 4.1
Gambar 4.1 Grafik Decision Tree Dari Gambar 4.1 dapat dijelaskan bahwa faktor ekonomi memiliki
pengaruh paling besar dalam data penelitian tesis ini, setelah dilakukan percobaan dengan menggunakan rapidminer bahwa variabel ekonomi berada pada node
paling atas, kemudian dibandingkan dengan rata-rata nilai dari faktor ekonomi untuk mendapatkan predikat dengan pujian, sangat memuaskan, memuaskan dan
buruk. Jika rule grafik diterjemahkan kedalam rule bahasa sederhana dapat dilihat pada Tabel 4.13
Tabel 4.13 Keterengan Rule Grafik
Rule Keterangan Rule Predikat
1. Jika rata-rata Ekonomi = 3 Buruk
a. Predictors in the Model: Constant, EKONOMI b. Predictors in the Model: Constant, EKONOMI, ORANGTUA
c. Dependent Variable: PREDIKAT
Universitas Sumatera Utara
2. Jika rata-rata Ekonomi = 3.2 dan rata-rata fasilitas=3.6 Buruk
3. Jika rata-rata Ekonomi = 3.2 dan rata-rata fasilitas=3.7 dan ratamkb = B
Memuaskan 4. Jika rata-rata Ekonomi = 3.2 dan rata-rata fasilitas=3.7
dan ratamkb = C dan ratamkk= B Memuaskan
5. Jika rata-rata Ekonomi = 3.2 dan rata-rata fasilitas=3.7 dan ratamkb = C dan ratamkk = C
Memuaskan 6. Jika rata-rata Ekonomi = 3.2 dan rata-rata fasilitas=3.7
dan ratamkb = C dan ratamkk = D Buruk
7. Jika rata-rata Ekonomi = 3.2 dan rata-rata fasilitas=3.7 dan ratamkb = D
Buruk 8. Jika rata-rata Ekonomi = 3.2 dan rata-rata fasilitas=3.7
dan ratamkb = E Buruk
9. Jika rata-rata Ekonomi = 3.4 atau rata-rata ekonomi = 3.5 Memuaskan 10. Jika rata-rata Ekonomi = 3.6 dan rata-rata fasilitas 3.9
Memuaskan 11. Jika rata-rata Ekonomi = 3.6 dan rata-rata fasilitas 4 dan
ratamkb=A Sangat
Memuaskan 12. Jika rata-rata Ekonomi = 3.6 dan rata-rata fasilitas 4 dan
ratamkb=B Sangat
Memuaskan 13. Jika rata-rata Ekonomi = 3.6 dan rata-rata fasilitas 4 dan
ratamkb=C Memuaskan
14. Jika rata-rata Ekonomi = 3.6 dan rata-rata fasilitas 4 dan ratamkb=D
Memuaskan 15. Jika rata-rata Ekonomi = 3.8 atau rata-rata ekonomi = 4
atau rata-rata ekonomi = 4.2 Sangat
Memuaskan 16. Jika rata-rata Ekonomi = 4.4 dan rata-rata fasilitas=4.4
Sangat Memuaskan
17. Jika rata-rata Ekonomi = 4.4 dan rata-rata fasilitas=4.5 Dengan Pujian
18. Jika rata-rata Ekonomi = 4.6 atau rata-rata ekonomi = 4.8 atau rata-rata ekonomi = 5
Dengan Pujian
Untuk lebih jelasnya dapat dilihat pada model aturan berbentuk teks seperti pada Gambar 4.2
ekonomi = 3: buruk {sangat memuaskan=0, memuaskan=0, dengan pujian=0, buruk=46} ekonomi = 3.2
| fasilitas = 3.6: buruk {sangat memuaskan=0, memuaskan=0, dengan pujian=0, buruk=11} | fasilitas = 3.7
| | ratamkb = b: memuaskan {sangat memuaskan=0, memuaskan=4, dengan pujian=0, buruk=0} | | ratamkb = c
| | | ratamkk = b: memuaskan {sangat memuaskan=0, memuaskan=5, dengan pujian=0, buruk=0} | | | ratamkk = c: memuaskan {sangat memuaskan=0, memuaskan=8, dengan pujian=0, buruk=0}
| | | ratamkk = d: buruk {sangat memuaskan=0, memuaskan=1, dengan pujian=0, buruk=4} | | ratamkb = d: buruk {sangat memuaskan=0, memuaskan=2, dengan pujian=0, buruk=6}
Universitas Sumatera Utara
| | ratamkb = e: buruk {sangat memuaskan=0, memuaskan=0, dengan pujian=0, buruk=4} ekonomi = 3.4: memuaskan {sangat memuaskan=0, memuaskan=83, dengan pujian=0, buruk=0}
ekonomi = 3.5: memuaskan {sangat memuaskan=0, memuaskan=2, dengan pujian=0, buruk=0} ekonomi = 3.6
| fasilitas = 3.9: memuaskan {sangat memuaskan=0, memuaskan=43, dengan pujian=0, buruk=0} | fasilitas = 4
| | ratamkb = a: sangat memuaskan {sangat memuaskan=2, memuaskan=0, dengan pujian=0, buruk=0} | | ratamkb = b: sangat memuaskan {sangat memuaskan=11, memuaskan=1, dengan pujian=0, buruk=0}
| | ratamkb = c: memuaskan {sangat memuaskan=9, memuaskan=14, dengan pujian=0, buruk=0} | | ratamkb = d: memuaskan {sangat memuaskan=0, memuaskan=2, dengan pujian=0, buruk=0}
ekonomi = 3.8: sangat memuaskan {sangat memuaskan=97, memuaskan=0, dengan pujian=0, buruk=0} ekonomi = 4: sangat memuaskan {sangat memuaskan=129, memuaskan=0, dengan pujian=0, buruk=0}
ekonomi = 4.2: sangat memuaskan {sangat memuaskan=122, memuaskan=0, dengan pujian=0, buruk=0} ekonomi = 4.4
| fasilitas = 4.4: sangat memuaskan {sangat memuaskan=32, memuaskan=0, dengan pujian=0, buruk=0} | fasilitas = 4.5: dengan pujian {sangat memuaskan=0, memuaskan=0, dengan pujian=4, buruk=0}
ekonomi = 4.6: dengan pujian {sangat memuaskan=0, memuaskan=0, dengan pujian=51, buruk=0} ekonomi = 4.8: dengan pujian {sangat memuaskan=0, memuaskan=0, dengan pujian=12, buruk=0}
ekonomi = 5: dengan pujian {sangat memuaskan=0, memuaskan=0, dengan pujian=29, buruk=0}
Gambar 4.2 Model Aturan Text Decision Tree Dari Gambar 4.2 di atas dapat dijelaskan bahwa faktor yang
mempengaruhi pada node pertama adalah ekonomi, node kedua fasilitas, node ketiga ratamkb dan node ke empat adalah ratamkk. Untuk predikat buruk model
aturan yang terbaik adalah apabila rata-rata faktor ekonomi nilai 3 dengan jumlah atribut sebanyak 46, predikat memuaskan model aturan yang terbaik adalah
apabila rata-rata faktor ekonomi nilai 3.4 dengan jumlah atribut sebanyak 83, predikat sangat memuaskan model aturan yang terbaik adalah apabila rata-rata
faktor ekonomi nilai 4 dengan jumlah atribut sebanyak 129, dan predikat dengan pujian model aturan yang terbaik adalah apabila rata-rata faktor ekonomi nilai 4.6
dengan jumlah atribut sebanyak 51. Untuk melihat rule dengan gain rasio predikat dapat dilihat pada Tabel 4.14 dengan ketentuan M = Memuaskan, SM =
Sangat Memuaskan, DP = Dengan Pujian dan B = Buruk. Tabel 4.14 Keterangan Rule Text dengan Gain Rasio
Rule Keterangan Rule Predikat
Gain Rasio SM M DP B
1. jika rata-rata
ekonomi = 3 maka buruk
46 2. jika rata-rata ekonomi = 3.2 dan rata-rata
fasilitas=3.6 maka buruk 0 0 0
11 3. jika rata-rata ekonomi = 3.2 dan rata-rata
fasilitas=3.7 dan ratamkb = b maka memuaskan 0 4 0
4. jika rata-rata ekonomi = 3.2 dan rata-rata 5
Universitas Sumatera Utara
fasilitas=3.7 dan ratamkb = c dan ratamkk= b maka memuaskan
5. jika rata-rata ekonomi = 3.2 dan rata-rata fasilitas=3.7 dan ratamkb = c dan ratamkk = c
maka memuaskan 0 8 0
6. jika rata-rata ekonomi = 3.2 dan rata-rata fasilitas=3.7 dan ratamkb = c dan ratamkk = d
maka buruk 0 1 0
4 7. jika rata-rata ekonomi = 3.2 dan rata-rata
fasilitas=3.7 dan ratamkb = d maka buruk 0 2 0
6 8. jika rata-rata ekonomi = 3.2 dan rata-rata
fasilitas=3.7 dan ratamkb = e maka buruk 0 0 0
4 9. jika
rata-rata ekonomi
= 3.4 atau rata-rata ekonomi = 3.5 maka memuaskan
83 2
0 0 10. jika rata-rata ekonomi = 3.6 dan rata-rata fasilitas
3.9 maka memuaskan 0 43 0 0
11. jika rata-rata ekonomi = 3.6 dan rata-rata fasilitas 4 dan ratamkb=a maka sangat memuaskan
2 0 0 12. jika rata-rata ekonomi = 3.6 dan rata-rata fasilitas
4 dan ratamkb=b maka sangat memuaskan 11 1 0 0
13. jika rata-rata ekonomi = 3.6 dan rata-rata fasilitas 4 dan ratamkb=c maka memuaskan
9 14 0 0 14. jika rata-rata ekonomi = 3.6 dan rata-rata fasilitas
4 dan ratamkb=d maka memuaskan 0 2 0
15. jika rata-rata
ekonomi = 3.8 atau rata-rata
ekonomi = 4 atau rata-rata ekonomi = 4.2 maka sangat memuaskan
97 129
122 0 0 0
16. jika rata-rata
ekonomi = 4.4 dan rata-rata
fasilitas=4.4 maka sangat memuaskan 32 0 0 0
17. jika rata-rata
ekonomi = 4.4 dan rata-rata
fasilitas=4.5 maka dengan pujian 0 0 4
18. jika rata-rata
ekonomi = 4.6 atau rata-rata
ekonomi = 4.8 atau rata-rata ekonomi = 5 maka dengan pujian
0 0 51
12 29
Untuk melihat penyederhanaan dari decision tree dalam bentuk model aturan induction rule dapat dilihat pada Gambar 4.3
if RATAMKK = B and RATAMKB = B then SANGAT MEMUASKAN 95 0 0 0 if Orang Tua = 4.6 then SANGAT MEMUASKAN 104 0 0 0
if Orang Tua = 4.4 then SANGAT MEMUASKAN 97 0 0 0 if Orang Tua = 4 then MEMUASKAN 0 91 0 0
if Ekonomi = 3.8 then SANGAT MEMUASKAN 53 0 0 0 if RATAMKK = A and RATAMKB = A then DENGAN PUJIAN 0 0 80 0
if RATAMKK = C and RATAMKB = C then MEMUASKAN 1 46 0 1 if Ekonomi = 3 then BURUK 0 0 0 45
if Fasilitas = 4.4 then SANGAT MEMUASKAN 37 0 0 0 if Orang Tua = 3.8 and Ekonomi = 3.4 then MEMUASKAN 0 8 0 0
Universitas Sumatera Utara
if Ekonomi = 3.2 and RATAMKK = E then BURUK 0 0 0 14 if Orang Tua = 3.8 and RATAMKK = B then MEMUASKAN 0 5 0 0
if Orang Tua = 4.8 then DENGAN PUJIAN 0 0 13 0 if RATAMBB = C and RATAMKB = B then MEMUASKAN 1 4 0 0
if Fasilitas = 4 and RATAMPK = A then SANGAT MEMUASKAN 9 1 0 0 if Ekonomi = 3.2 then BURUK 0 4 0 11
else MEMUASKAN 4 5 2 0 correct: 717 out of 731 training examples.
Gambar 4.3 Model Aturan Induction Rule Dari Gambar 4.3 di atas dapat disederhanakan rule yang terbaik berdasarkan
predikat gain rasio, seperti pada Tabel 4.15 dengan ketentuan M = Memuaskan, SM = Sangat Memuaskan, DP = Dengan Pujian dan B = Buruk.
Tabel 4.15 Model Aturan Penyederhanaan Induction Rule Rule
Keterangan Rule SM M
DP B
if ratamkk = B and ratamkb = B then sangat memuaskan
95 0 0 0 1
if orang tua = 4.6 then sangat memuaskan 104 if orang tua = 4 then memuaskan 0
91 2
if orang tua = 3.8 and ratamkk = B then memuaskan
0 5 0 0
if ratamkk = A and ratamkb = A then dengan pujian
0 0 80 0 3
if orang tua = 4.8 then dengan pujian 0 13
if ekonomi = 3 then buruk 0 45
4
if ekonomi = 3.2 and ratamkk = E then buruk 0 14
Universitas Sumatera Utara
Untuk membantu melihat ketergantungan hubungan data mahasiswa dengan data kuesioner dapat dilihat hasil dari scatter multiple, gambar predikat
kelulusan dan nilai ditampilkan di lima predikat dengan nilai yang berhubungan
dengan kinerja tujuh variabel prediktor yang terdiri dari : ratamkb, ratamkk, ratampk, ratambb, ekonomi, dukungan orang tua dan fasilitas belajar mahasiswa
seperti yang terlihat pada Gambar 4.4 Gambar 4.4 Profil Predikat Kelulusan
Jika Gambar 4.4. di atas merupakan hasil pengelompokan data dari tujuh variabel yang disesuikan dengan warnanya, maka pada Gambar 4.5 sampai
dengan Gambar 4.8 adalah hubungan variabel predikat dan nilai IP yang dihubungkan dengan nilai huruf matakuliah yang didapat mahasiswa pada saat
hasil akhir ujian.
Gambar 4.5 Hubungan Predikat dengan Ratamkk
Universitas Sumatera Utara
Dari Gambar 4.5 dapat dijelaskan bahwa nilai A banyak terdapat pada predikat dengan pujian, nilai B terdapat pada predikat sangat memuaskan, nilai B,
C, dan D terdapat pada predikat memuaskan dan nilai C, D dan E terdapat pada predikat buruk.
Gambar 4.6 Hubungan Predikat dengan Ratambb Dari Gambar 4.6 dapat dijelaskan bahwa nilai A dan B banyak terdapat
pada predikat dengan pujian, nilai A,B dan C terdapat pada predikat sangat memuaskan, nilai B, C, D, E terdapat pada predikat memuaskan dan nilai C, D
dan E terdapat pada predikat buruk.
Gambar 4.7 Hubungan Predikat dengan Ratampk Dari Gambar 4.7 dapat dijelaskan bahwa nilai A dan B banyak terdapat
pada predikat dengan pujian, nilai A dan B terdapat pada predikat sangat memuaskan, nilai B, C, D, dan E terdapat pada predikat memuaskan dan nilai C,
D dan E terdapat pada predikat buruk.
Universitas Sumatera Utara
Gambar 4.8 Hubungan Predikat dengan Ratamkb Dari Gambar 4.8 dapat dijelaskan bahwa nilai A dan B banyak terdapat
pada predikat dengan pujian, nilai A, B dan C terdapat pada predikat sangat memuaskan, nilai B, C, D, dan E terdapat pada predikat memuaskan dan nilai B,
C, D dan E terdapat pada predikat buruk.
4.2.6 Validasi Decision Tree
Kategori