METODOLOGI PENELITIAN Penerapan Teknik Data Mining Dengan Metode Smooth Support Vector Machine (SSVM) Untuk Memprediksi Mahasiswa Yang Berpeluang Drop Out (Studi Kasus Mahasiswa Politeknik Negeri Medan)

BAB III METODOLOGI PENELITIAN

Tujuan dari Tesis ini adalah untuk membuat model penerapan dalam memprediksi mahasiswa yang berpeluang drop out dengan keterhubungan data mahasiswa dengan jurusan untuk meningkatkan disiplin mahasiswa yang lebih baik dengan menyediakan data prestasi akademik mahasiswa berupa indeksprestasi yang dapat digunakan sebagai pedoman analisis dalam pembuatan keputusan. Pada bagian ini kita mulai dengan menggambarkan studi kasus data mining pada system penilaian akademik 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 1sampaidengantahun 2011 di Politeknik Negeri Medan. 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. III.1 Tempat dan Waktu Penelitian Penelitian ini diambil dilokasi Politeknik Negeri Medan Jln. Almamater No.1 Kampus USU Padang Bulan Medan. Penelitian ini dimulai pada bulan Pebruari - Juni 2010, dan penelitian ini membutuhkan waktu selama 5 bulan dalam menyelesaikan penelitian ini. III.2 Pelaksanaan Penelitian Penelitian ini memanfaatkan daftar nilai akhir mahasiswa,daftar kehadiran mahasiswa, melanggar peraturan akademik antara lain : pencurian, merusak nama baik institusi. Universitas Sumatera Utara III.3 Variabel Yang Diamati Berdasarkan pembahasan diatas dapat dikemukakan kerangka konsep penelitian sebagai berikut: 1. Daftar kehadiran mahasiswa 2. Ujian harian 3. Latihan 4. Laboratorium 5. UTS 6. UAS III.4 Prosedur Pengumpulan Data Rancangan penelitian ini dilakukan sesuai dengan pengamatan observasi untuk mempelajari tingkat kedisiplinan mahasiswa dalam mengikuti perkuliahan. Hasil pengamatan kemudian dibuat percobaan yang mendukung, selanjutnya dilakukan eksperimen data. Dalam melakukan penelitian ini, dikumpulkan beberapa data atau daftar mahasiswa yang drop out DO pada jurusan Teknik Mesin pada Semester A Tahun Akademik 20082009 hingga 2009 2010. Berikut daftar mahasiswa sbb: Tabel 3.1 Prodi Teknik Mesin. N0 Nama NIM Kelas N0 Surat Tgl Surat Ket 1 Desmon P. Sinaga 0805012133 ME-1H 1552K2AK2008 02 Desember 2008 Absen 2 Irsal Suhaimi 062301056 ME-5A 1553K2AK2008 02 Desember 2008 Absen 3 Royandi Sinaga 0805011080 ME-IC 1554K2AK2008 02 Desember 2008 Absen 4 Edy Andiko Gersing 0805011237 ME-1H 1555K2AK2008 02 Desember 2008 Absen 5 Hotasi L. Gaol 0705012146 ME-3G 1556K2AK2008 02 Desember 2008 Absen 6 Erick Kennedy 0705012132 ME-3H 1557K2AK2008 02 Desember 2008 Absen 7 Fadli Rizki A. Nasution 0705012134 ME-3E 87K2AK2009 22 Januari 2009 Absen 8 Ahmad Marzuki 0805011014 ME-1D 88K2AK2009 23 Januari 2009 Absen Universitas Sumatera Utara 9 Dedi Situmeang 0805011023 ME-1B 470K2AK2009 14 April 2009 Nilai 10 Abdul Kodir Siregar 0805011001 ME-1C 471K2AK2009 14 April 2009 Nilai 11 Sahat D. Sihombing 0805012198 ME-1H 472K2AK2009 14 April 2009 Nilai 12 Jimmi Amse Ginting 062301061 ME-3B 473K2AK2009 14 April 2009 Nilai Tabel 3.2 Prodi Teknik Konversi Energi. N0 Nama NIM Kelas N0 Surat Tgl Surat Ket 1 Tona Bontor Melki, S 0805052098 EN-1D 1549K2AK2008 02 Desember 20008 Absen 2 Faridz Al Kindi 0705051019 EN-3B 1550K2AK2008 02 Desember 20008 Absen 3 Ali Imran 0705051001 EN-3B 1551K2AK2008 02 Desember 20008 Absen 4 Muhammad Abdul T 0805051027 EN-1B 89K2AK2009 22 Januari 2009 Absen 5 Josia Sembiring 0805051018 EN-1A 476K2AK2009 14 April 2009 Nilai 6 Ricky Satriaji 0705051088 EN-3A 477K2AK2009 14 April 2009 Nilai Daftar mahasiswa yang drop out pada Semester B Tahun Akademik 20082009 Tabel 3.3 Prodi Teknik Mesin N0 Nama NIM Kelas N0 Surat Tgl Surat Ket 1 Yose Nainggolan 0805011102 ME-2B 1961K2AK2009 22 Desember 2009 Nilai 2 Dwi Irawan 0705011026 ME-4A 1962K2AK2009 23 Desember 2009 Nilai 3 Alfred Siallagan 0805012110 ME-2A 1963K2AK2009 24 Desember 2009 Nilai 4 Yusdarlin 0805011104 ME-2G 1964K2AK2009 25 Desember 2009 Nilai 5 M. Rizki Diapari S. 0805011060 ME-2D 1965K2AK2009 26 Desember 2009 Nilai 6 Desmon Abdi J.G 0805011025 ME-2D 1966K2AK2009 27 Desember 2009 Nilai 7 Ridho Saputra 0805012189 ME-2D 1967K2AK2009 28 Desember 2009 Nilai 8 Suwardi Dwi Pramita 0805011089 ME-2C 1968K2AK2009 29 Desember 2009 Nilai 9 Marcos Simorangkir 0805011065 ME-2C 1969K2AK2009 30 Desember 2009 Nilai Tabel 3.4 Prodi Teknik Konversi Energi N0 Nama NIM Kelas N0 Surat Tgl Surat Ket 1 Syaiful Amri Sinaga 0805051047 EN-2A 1960K2AK2009 22 Desember 2009 Nilai III.5 AlatAnalisis Data Dalam smooth support vector machine ini, dimenggambarkan garis besar reformulasi standar SVM untuk kelancaran SVM [3]. Maka akan dimulai dengan Universitas Sumatera Utara kasus linear yang dapat dikonversi ke masalah optimasi tanpa kendala., menganggap masalah mengklasifikasikan poin m n-dimensi ruang Rn nyata, diwakili oleh matriks mn A, sesuai dengan keanggotaan dari masing-masing Ai titik dalam kelas 1 atau -1 sebagaimana ditentukan oleh matriks m m diberikan diagonal D dengan yang atau yang dikurangi di sepanjang diagonal. Untuk masalah ini SVM standar diberikan oleh program kuadrat berikut: min 1 , , m n R y w + + ∈ γ ve ′y+ 2 1 w ′w min 1 , , m n R y w + + ∈ γ s.t.DAw- eγ + y ≥ e 1 y ≥ 0 dimana: v=Sebuahberatyangpositif y=variableSlack e=Kolomvectorsatudimensi Dalam pendekatan SSVM [3], masalah SVM dimodifikasi dihasilkan sebagai berikut: min 1 , , m n R y w + + ∈ γ 2 v y ′y + 2 1 w ′w + γ 2 s.t.DAw- eγ + y ≥ e 2 y ≥ e Dengan demikian, kita dapat mengganti y dalam kendala dengan dan mengkonversi masalah SVM menjadi SVM setara yang merupakan masalah optimasi tanpa kendala sebagai berikut: Universitas Sumatera Utara , min γ w 2 v 2 2 + − − γ e Aw D e + 2 1 w ′w + γ 2 3 Fungsiinidengan parameter pemulusan yang digunakan di siniuntukmenggantikanfungsi plus untukmendapatkan Vector Machine Dukunganhalus SSVM 1 , min + ∈ n R w γ 2 v 2 2 , α γ e Aw D e p − − + 2 1 w ′w + γ 2 4 Sama seperti sebelumnya, itu adalah memperoleh SSVM untuk masalah terpisahkan: , min γ u 2 v 2 2 , , α γ e Du A A K D e p − − + 2 1 u ′u + γ 2 5 Beberapa Knot Spline-SSVM MKS-SSVM:. Vector Machines halus Dukungan SSVM yang telah diusulkan oleh Lee dkk [3] adalah sangat penting dan Hasil yang signifikan untuk SVM karena banyak algoritma dapat digunakan untuk menyelesaikannya. Dalam SSVM, fungsi halus dalam fungsi tujuan 13 adalah integral dari sigmoid fungsi 9. Dalam studi ini, kami mengusulkan sebuah fungsi baru yang disebut mulus Beberapa Knot Spline MKS fungsi. Formulasi dan analisis kinerja kelancaran fungsi baru dan bagaimana membangun yang baru SSVM akan dijelaskan sebagai berikut: Beberapa simpul spline fungsi: Dalam studi ini, fungsi mulus baru diusulkan. Ini adalah fungsi spline Knot Beberapa sebagai berikut: Universitas Sumatera Utara mx =               ≥ ≤ ≤ − ≤ −             + + + − + + + + + + k x x k x k x k x x k x kx x k k x kx x k k x kx x k 1 k 1 5 2 5k 2 2 5k 2 - 1 k 1 - , , 6 1 2 1 2 6 , 10 1 9 4 4 5 18 25 , 6 1 2 1 2 6 , 2 3 2 2 3 2 2 3 2 6 III.6 Diagram Aktifitas Kerja Penelitian. Berikut ini alur kerja yang akan dilakukan pada penelitian ini yang digambarkan dalam diagram aktivitas. PENELITI PERANGKAT LUNAK Data Dari Format xls START Identifikasi Masalah Menetapkan Tujuan Penelitian Mengumpulkan Data Mahasiswa dari A B Universitas Sumatera Utara Gambar 3.1 Activity Diagram Dari gambar 3.1 diatas dapat dijelaskan bahwa yang dilakukan pertama sekali oleh peneliti adalah mengidentifikasi masalah yang diteliti untuk diselesaikan yang mana tujuannya adalah menghasilkan prediksi potensial terhadap mahasiswa yang cendrung drop out, selanjutnya adalah mengumpulkan data mahasiswa yang diambil dari Akademin jurusan. Data diambil dalam bentuk format xls, kemudian didapatkan hasil dalam bentuk program Visual Basic untuk dapat Kemudian dilakukan analisa dalam implementasi model kedalam Visual Basic. Setelah diperoleh hasil analisa maka di dapatlah kesimpulan dari hasil penelitian. A B Membuat Analisa Membuat Kesimpulan dan Saran Implementasi Model ke dalam Visual Basic Universitas Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN