menggunakan algoritma Reduct Based Decision Tree RDT pada basisdata Penerimaan Mahasiswa Baru PMB. Kedua, bagaimana melakukan prediksi
status registrasi calon mahasiswa yang telah diterima dan menghitung jumlah calon mahasiswa yang diprediksi akan mendaftar ulang.
1.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah mengenali pola klasifikasi status daftar ulang mahasiswa, sehingga dapat dimanfaatkan untuk prediksi status registrasi
calon mahasiswa yang telah diterima dan menghitung jumlah calon mahasiswa yang diprediksi akan mendaftar ulang.
1.4 Batasan Masalah
Agar penelitian ini terfokus ke inti permalasahan berdasarkan rumusan masalah diatas, maka penulis memberi batasan-batasan sebagai berikut:
a. Pendekatan yang digunakan adalah dengan menggunakan algorima RDT b. Pohon keputusan dibentuk dengan algoritma C45
c. Data mahasiswa yang digunakan adalah data mahasiswa dengan status telah diterima melalui jalur test.
d. Input adalah data PMB yang diperoleh Biro Administrasi dan Perencanaan Sistem Informasi BAPSI Universitas Sanat Dharma Yogyakarta tahun
2007-2010 dengan atribut gelombang, pilihan1, pilihan2, pilihan3, jenis kelamin, kabupaten asal, kabupaten sekolah, jenis SMU, nilai penalaran
verbal, nilai kemampuan numerik, kemampuan nilai mekanik, nilai hubungan ruang, nilai bahasa inggris dan status registrasi mahasiswa.
e. Penelitian ini tidak menerapkan teknik pruning dalam pembentukan pohon keputusan.
1.5 Metodologi Penelitian
Metodologi yang digunakan dalam penelitian ini adalah A. Studi Pustaka
B. Pengumpulan data PMB Universitas Sanata Dharma dari tahun 2007 sampai 2010
C. Knowledge discovery in database KDD yang terdiri dari : a. Pembersihan Data Data Cleaning
Pembersihan data merupakan proses menghilangkan noise dan data yang tidak konsisten atau data yang tidak relevan.
b. Integrasi Data Data Integration Integrasi data merupakan proses penggabungan data dari berbagai
sumber. c. Seleksi Data Data Selection
Seleksi data merupakan proses menyeleksi data dimana data yang relevan diambil dari database.
d. Transformasi Data Data Transformation Data diubah atau digabung ke dalam format yang sesuai untuk
diproses dalam penambangan data. e. Penambangan Data Data Mining
Penambangan data merupakan suatu proses utama saat metode diterapkan
untuk menemukan pengetahuan
berharga dan
tersembunyi dari data. Dalam penelitian ini algoritma yang digunakan adalah Reduct Based Decision Tree RDT.
f. Evaluasi Pola Pattern Evaluation Untuk mengidentifikasi pola-pola menarik kedalam knowledge
based yang ditemukan.
g. Presentasi Pengetahuan Knowledge Presentation Merupakan visualisasi dan teknik representasi pengetahuan untuk
menyajikan pengetahuan yang ditambang kepada pengguna. D. Implementasi dengan algoritma Reduct Based Decision Tree RDT
E. Uji coba program
