Dari Gambar 4.1 di atas dapat dijelaskan bahwa faktor yang mempengaruhi pada node pertama adalah kepercayaan diri, node kedua dukungan
orang tua, node ketiga minat belajar. Untuk predikat lanjut model aturan yang terbaik adalah apabila jumlah faktor kepercayaan high, jumlah factor dukungan
orang tua high, dan jumlah factor minat belajar high.
4.2.6 Validasi Decision Tree
Validasi decision tree digunakan untuk melihat keakuratan model aturan perilaku mahasiswa diploma menggunakan algoritma C 4.5 dalam menentukan
minat lanjut ke studi ke jenjang sarjana dengan menggunakan software rapidminer.
Dalam melakukan validasi rule decision tree, penulis menggunakan utility split validation yang digunakan untuk membagi dua area training dan testing data.
Dalam testing data penulis menggunakan utility apply model dan performance. Desain model validasi rapidminer dapat dilihat pada Gambar 4.2
Gambar 4.2 Desain Model Validasi Rapidminer Pada Gambar 4.2 dapat dijelaskan untuk menu training terdiri dari
Discretize yaitu merubah nilai numeric menjadi nominal, kemudian untuk membuat label penulis menggunakan Set Role dan untuk mendapatkan rolenya
penulis menggunakan algoritma decision tree. Sementara menu testing penulis menggunakan apply model dan performance.
Universitas Sumatera Utara
4.2.7 Percobaan dengan Sopport Vektor Machine
Untuk membantu melihat ketergantungan hubungan data mahasiswa dengan data kuesioner dapat dilihat hasil dari scatter multiple, gambar predikat
lanjut dengan nilai yang berhubungan kinerja lima variabel prediktor yang terdiri dari : kepercayaan diri, dukungan orang tua, minat belajar, perilaku belajar, dan
waktu belajar.
Gambar 4.3 Hubungan Predikat dengan Waktu Belajar
Seperti yang terlihat pada Gambar 4.3 di atas merupakan hasil pengelompokan data dari variabel waktu belajar yang berhubungan dengan predikat.
Universitas Sumatera Utara
Gambar 4.4 Hubungan Predikat dengan Dukungan Orang Tua
Seperti yang terlihat pada Gambar 4.4 di atas merupakan hasil pengelompokan data dari variabel dukungan orang tua yang berhubungan dengan predikat.
Gambar 4.5 Hubungan Predikat dengan Keprecayaan Diri
Universitas Sumatera Utara
Seperti yang terlihat pada Gambar 4.5 di atas merupakan hasil pengelompokan data dari variabel kepercayaan diri yang berhubungan dengan predikat.
Gambar 4.6 Hubungan Predikat dengan Kepercayaan Diri
Seperti yang terlihat pada Gambar 4.6 di atas merupakan hasil pengelompokan data dari variabel perilaku belajar yang berhubungan dengan predikat.
Universitas Sumatera Utara
Gambar 4.7 Hubungan Predikat dengan Minat Belajar
Seperti yang terlihat pada Gambar 4.7 di atas merupakan hasil pengelompokan data dari variabel minat belajar yang berhubungan dengan predikat.
Dari Gambar 4.3 sampai Gambar 4.7 dapat dijelaskan bahwa setelah dilakukan percobaan dengan menggunakan support vector machine bahwa
masing-masing variabel yang ada didalam data langsung dibanding ke predikat label yang di maksud, sehingga setelah diterjemahkan kedalam bahasa sederhana
adalah : 1. Jumlah variable Waktu Belajar diprosentasekan kedalam predikat Lanjut 1
dan 2 yang berarti 1 = ya, 2 = tidak. 2. Jumlah variable Dukungan Orang Tua diprosentasekan kedalam predikat
Lanjut 1 dan 2 yang berarti 1 = ya, 2 = tidak. 3. Jumlah variable Kepercayaan Diri diprosentasekan kedalam predikat
Lanjut 1 dan 2 yang berarti 1 = ya, 2 = tidak. 4. Jumlah variable Perilaku Belajar diprosentasekan kedalam predikat Lanjut
1 dan 2 yang berarti 1 = ya, 2 = tidak. 5. Jumlah variable Minat Belajar diprosentasekan kedalam predikat Lanjut 1
dan 2 yang berarti 1 = ya, 2 = tidak.
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Tesis ini menghasilkan beberapa kesimpulan sebagai berikut : 1. Diperoleh suatu model aturan yang dapat memperlihatkan analisis dan
prediksi pada perilaku mahasiswa diploma untuk melanjutkan studi ke jenjang sarjana.
2. Dalam studi kasus pada Akademi Manajemen Informatika Komputer AMIK Tunas Bangsa Pematangsiantar bahwa sebagian besar
mahasiswa yang memiliki predikat Melanjutkan apabila faktor rata-rata Kepercayaan Diri = Tinggi dan Dukungan Orang Tua = Tinggi dan
Minat Belajar = Tinggi. 3. Algoritma C 4.5 tetap dianggap sebagai algoritma yang sangat
membantu dalam melakukan klasifikasi data karena karakteristik data klasifikasi didapatkan dengan jelas baik dalam bentuk struktur pohon
keputusan tree mapun aturan induction rue if then, sehingga memudahkan pengguna dalam melakukan penggalian informasi
terhadap yang bersangkutan. 4. Penelitian ini telah menunjukkan ada tiga dari lima variabel tersebut
memiliki korelasi yang sangat signifikan terhadap model aturan analisis dan prediksi pada perilaku mahasiswa diploma untuk melanjutkan studi
ke jenjang sarjana seperti yang diusulkan faktor kepercayaan diri, faktor dukungan orang tua dan minat belajar dengan predikat lanjut
studi. Semua prediktor tiga variabel di atas memberikan kontribusi 82,8 dan variabel terbaik dari prediktor kepercayaan diri memberikan
kontribusi 79,8.
Universitas Sumatera Utara
