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 rapidminer seperti disajikan pada Gambar 3.4
Universitas Sumatera Utara
.
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 Data Analysis
Universitas Sumatera Utara
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
Valid
Universitas Sumatera Utara
Gambar 3.6 Model Text Decision Tree
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
BAB IV
HASIL DAN PEMBAHASAN
4.1 Pendahuluan