Evaluasi Pola ANALISIS HASIL
14
IF asalSma= SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Sleman AND bi= D AND pm= A
SISIP_PROGRAM
1 15
IF asalSma= SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Yapen_Waropen AND tahun=2009
SISIP_PROGRAM
1 16
IF asalSma= SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Yogyakarta
SISIP_PROGRAM
1 17
IF asalSma= SMA_KRISTEN_1_MAGELANG AND pm= D AND jenisKelamin = Laki-laki
SISIP_PROGRAM
3 18
IF asalSma= SMA_N_1_JOGONALAN AND pv= D AND tahun=2007 AND programStudi= PSIKOLOGI
SISIP_PROGRAM
1 19
IF asalSma=SMA_N_1_JOGONALAN AND pv= D AND tahun=2009
SISIP_PROGRAM
2 20
IF asalSma= SMA_PANGUDI_LUHUR_YOGYAKARTA AND programStudi= PEND._BAHASA_INGGRIS AND bi= B
SISIP_PROGRAM
1 21
IF asalSma= SMA_PANGUDI_LUHUR_YOGYAKARTA AND programStudi= AKUNTANSI AND tahun=2008
SISIP_PROGRAM
1 22
IF asalSma= SMA_PANGUDI_LUHUR_YOGYAKARTA AND programStudi= TEKNIK_MESIN
SISIP_PROGRAM
1 23
IF asalSma= SMA_PANGUDI_LUHUR_YOGYAKARTA AND programStudi= TEKNIK_INFORMATIKA AND tahun=2008
SISIP_PROGRAM
1 24
IF asalSma= SMA_STELLA_DUCE_1_YOGYAKARTA AND programStudi= BIMBINGAN_DAN_KONSELING
SISIP_PROGRAM
1 25
IF asalSma= SMA_STELLA_DUCE_1_YOGYAKARTA AND programStudi=AKUNTANSI AND asalKabupaten= Yogyakarta
SISIP_PROGRAM
1 26
IF asalSma= SMA_STELLA_DUCE_1_YOGYAKARTA AND programStudi=PSIKOLOGI AND gelombang= Gelombang_1 AND
tahun=2009 SISIP_PROGRAM
1
27
IF asalSma= SMA_STELLA_DUCE_1_YOGYAKARTA AND programStudi=PSIKOLOGI AND gelombang= Gelombang_3
SISIP_PROGRAM
1
Dari tabel 5.1 komposisi data asal SMA mahasiswa dan tabel 5.2 detail pola klasifikasi mahasiswa sisip program yang disajikan tersebut terdapat pola
menarik, untuk mahasiswa yang berasal dari
SMA_K_SANTO_MIKAEL_WARAK memiliki populasi jumlah kejadian sisip program paling banyak yaitu 10 mahasiswa.
Berdasarkan pola klasifikasi yang terbentuk setelah dilakukan penelusuran untuk atribut program studi terhadap data input dalam penelitian ini data PMB mahasiswa Universitas
Sanata Dharma periode 2007 – 2009 adalah sebagai berikut :
Tabel 5.3 Hasil Penelusuran Atribut Program Studi Terhadap Data Input.
no Aturan
rule Status
Hasil Penulusuran Atribut
Program Studi 1
IF asalSma= SMA_K_SANTO_MIKAEL_WARAK
AND asalKabupaten=Aceh_Barat SISIP_PROGRAM PEND._
MATEMATIKA 2
IF asalSma= SMA_K_SANTO_MIKAEL_WARAK
AND asalKabupaten= Banjarmasin SISIP_PROGRAM ILMU_SEJARAH
3 IF asalSma=
SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Bekasi
SISIP_PROGRAM PEND._AKUNTANSI
4 IF asalSma=
SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Cirebon
SISIP_PROGRAM PEND._BAHASA_ INGGRIS
5 IF asalSma=
SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Cirebon
SISIP_PROGRAM AKUNTANSI
6 IF asalSma=
SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Palembang
SISIP_PROGRAM MANAJEMEN
7 IF asalSma=
SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Sleman AND
bi= B SISIP_PROGRAM MANAJEMEN
8 IF asalSma=
SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten= Sleman AND
bi= D AND pm= A SISIP_PROGRAM AKUNTANSI
Setelah dilakukan penelusuran atribut program studi terhadap data input untuk pola klasifikasi mahasiswa yang berasal dari SMA_K_SANTO_MIKAEL_
WARAK dan terkena sisip program ternyata berasal dari bergai prodi yang beragam.
Dalam penelitian ini untuk mengukur akurasi dalam pembentukan pola klasifikasi, penulis menggunakan metode cross-validation. Dalam k-fold cross-
validation , data akan dipartisi secara acak ke dalam k partisi, D1, D2, …Dk,
masing-masing D mempunyai jumlah yang sama. Pada iterasi ke – i partisi Di
digunakan sebagai data uji, sedangkan sisa partisi digunakan sebagai data pelatihan. Pada penelitian ini pengujian menggunakan metode k-fold cross-
validation ini juga dilakukan dengan mengganti nilai k yang bervariasi. Berikut ini diberikan hasil pengujian menggunakan metode k-fold cross-validation :
Tabel 5.4 Tabel pengujian cross-validation dengan bervariasi nilai fold
Pada tabel 5.2 terlihat bahwa dari percoban yang dilakukan dengan mengganti nilai k yang bervariasi terlihat bahwa percobaan dengan nila k = 10
9 IF asalSma=
SMA_K_SANTO_MIKAEL_WARAK AND asalKabupaten=
Yapen_Waropen AND tahun=2009 SISIP_PROGRAM TEKNIK_ELEKTRO
10 IF asalSma= SMA_K_SANTO_MIKAEL_WARAK
AND asalKabupaten= Yogyakarta SISIP_PROGRAM PEND._AKUNTANSI
No Nilai fold k
Akurasi 1
3 54.88506
2 5
56.11659 3
10 56.527096
4 15
56.22496 5
20 56.291296
memiliki tingkat akurasi paling tinggi dari seluruh percobaan, sehingga dalam penelitian ini pendekatan yang dilakukan untuk mengukur kinerja akrurasi pola
klasifikasi menggunakan metode tenfold cross-validation. Data yang digunakan untuk mengevaluasi dan mengukur akrurasi pola klasifikasi adalah data data
PMB jalur reguler seluruh prodi tahun 2007 – 2009 dengan jumlah data 2436
record. Pendekatan tenfold cross-validation akan membagi jumlah data 10 bagian. Berikut ini disajikan pembagian data untuk setiap fold :
Tabel 5.5 Pembagian data untuk setiap fold Fold
Pembagian Data
Fold 1 244
Fold 2 244
Fold 3 244
Fold 4 244
Fold 5 244
Fold 6 244
Fold 7 244
Fold 8 243
Fold 9 243
Fold 10 243
Dalam penelitian ini untuk membuktikan hasil pengukuran tingkat akurasi dan menganalisis pola klasifikasi dalam bentuk pohon keputusan digunakan
tenfold cross-validation dengan metode
Confusion Matrix.
Berikut ini merupakan analisis hasil program dengan menggunakan tenfold
cross-validation :
Pada iterasi 1, fold 1 menjadi data data uji sedangkan fold 2- 10 menjadi data pelatihan
Tabel 5.6 Tabel Confusion Matrix untuk Pengujian pada Fold 1
Berdasarkan confusion matrix untuk data uji pada fold 1, dapat dihitung : a.
Jumlah total record adalah 244. b.
Record yang dapat diklasifikasikan dengan benar berjumlah 141, didapat dari jumlah nilai diagonal tabel.
a. Record yang gagal diklasifikasikan dengan benar berjumlah 103,
didapat dari jumlah total record dikurangi jumlah record yang dapat diklasifikasikan dengan benar.
Dalam penelitian ini untuk iterasi 2, 3 ,4 ,5 ,6 ,7 ,8 ,9 dan 10 terlampir pada lampiran 7.
Dari 10 iterasi dengan menggunakan cross-validation, terdapat 1377 record yang dapat diklasifikasikan dengan benar, dan 1059 record yang gagal
diklasifikasikan dengan benar. Berikut ini adalah tabel setiap pengujian pada setiap fold .
Kelas Hasil Prediksi
total
SISIP_ PROGRAM
TIDAK_ SISIP_
PROGRAM
NULL
Kelas sebenarnya
SISIP_ PROGRAM
7 9
10 26
TIDAK_SISIP_ PROGRAM
13 134
71 218
NULL Total
20 143
81 244
Tabel 5.7 Pengukuran Akurasi Menggunakan 10-fold Cross Validation
Dari tabel 5.15, dapat diketahui tingkat akurasi dari seluruh pengujian menggunakan metode cross-validation merupakan jumlah record yang dapat
diklasifikasikan dengan benar dari semua iterasi dibagi dengan jumlah data keseluruhan kemudian dikali 100 .
Peng ujian
Data Uji
Fold Data Pelatihan
Fold Total
Data Pelati
han Fold
Jumlah Data Yang
Diklasifika sikan
Benar Jumlah
Data Yang
Diklasifi kasikan
Salah Akurasi
1 1
2, 3, 4, 5, 6 ,7 , 8, 9, 10 244
141 103
57.78689 2
2 1, 3, 4, 5, 6 ,7 , 8, 9, 10
244 146
98 59.836067
3 3
1, 2, 4, 5, 6 ,7 , 8, 9, 10 244
131 113
53.688526 4
4 1, 2, 3, 5, 6 ,7 , 8, 9, 10
244 139
105 56.96721
5 5
1, 2, 3, 4, 6 ,7 , 8, 9, 10 244
133 111
54.508198 6
6 1, 2, 3, 4, 5 ,7 , 8, 9, 10
244 138
106 56.557377
7 7
1, 2, 3, 4, 5 ,6 , 8, 9, 10 244
135 108
55.555557 8
8 1, 2, 3, 4, 5 ,6 , 7, 9, 10
243 140
103 57.61317
9 9
1, 2, 3, 4, 5 ,6 , 7, 8, 10 243
139 104
57.20165 10
10 1, 2, 3, 4, 5 ,6 , 7, 8, 9
243 135
108 55.555557
Total 1377
1059
Rata -rata
Akur asi
56,527096