3.2 Pengolahan Data
Pengolahan data akademik dalam penelitian ini meliputi beberapa langkah yaitu :
3.2.1 Pemrosesan Awal Data
Data mentah yang digunakan dalam penelitian ini dalam bentuk skrip .
sql
. Sebelum mengolah data yang ada dalam skrip tersebut, skrip dijalankan terlebih
dahulu menggunakan
SQLyog
. Hasil yang diperoleh yaitu terdapat gudang data dengan nama data_mahasiswa dan di dalamnya terdapat beberapa tabel yaitu
dim_angkatan, dim_daftarsmu, dim_fakultas, dim_jeniskel, dim_kabupaten, dim_prodi, dim_prodifaks, dim_statustes dan fact_lengkap2. Setelah semua tabel
berhasil dibuat, proses pengolahan data dilanjutkan ke seleksi data.
Gambar 3.1 Gudang data ‘data_mahasiswa’ 3.2.2
Seleksi Data
Pada tahap ini dilakukan seleksi terhadap data yang relevan dengan penelitian. Berdasarkan data yang diperoleh, data yang akan dipakai adalah
kolom ips1, ips2, ips3, ips4, ips4, nil11, nil12, nil13, nil14, nil15 dan final. Kolom-kolom tersebut seluruhnya berada pada tabel fact_lengkap2. Kolom-
kolom tersebut kemudian diseleksi lagi barisnya yaitu diambil hanya baris
dengan sk_prodi = 27. Baris dengan sk_prodi = 27 merupakan data mahasiswa yang berasal dari Prodi Teknik Informatika. Data ini yang dipilih karena dapat
digunakan sebagai variabel numerik untuk mendeteksi
outlier
dan sesuai untuk mencapai tujuan penelitian.
3.2.3 Transformasi Data
Data yang telah diseleksi masih berupa data yang belum tepat untuk ditambang. Data tersebut belum tepat ditambang karena masih terdapat
perbedaan rentang nilai antara atribut nilai final, nilai tes masuk dan ips. Nilai final memiliki rentang nilai antara 0-100. Nilai tes masuk memiliki rentang nilai
antara 0-10. Ips memiliki rentang nilai antara 0-4. Perbedaan rentang nilai ini akan disamakan melalui proses transformasi data.
Transformasi data dilakukan dengan menggunakan metode normalisasi. Metode normalisasi dilakukan dengan cara membuat skala pada data atribut.
Salah satu jenis metode normalisasi yaitu
min-max normalization
Han Kamber, 2006.
Min-max normalization
didefinisikan sebagai berikut :
di mana v =
nilai awal,
min
A
=
nilai minimum atribut
A
sebelum normalisasi,
max
A
= nilai maksimum atribut
A
sebelum normalisasi,
new_max
A
= nilai 3.1
maksimum atribut
A
setelah normalisasi dan
new_min
A
= nilai minimum atribut
A
setelah normalisasi. Penelitian ini menggunakan data berupa nilai tes masuk, nilai final dan
ips. Range data nilai tes masuk dan data nilai final disamakan dengan range data ips. Contoh normalisasi data nilai final adalah sebagai berikut. Diketahui nilai
final awal
v
= 77.10, nilai minimum awal
min
A
= 0, nilai maksimum awal
max
A
= 100, nilai minimum baru
new_min
A
= 0 dan nilai maksimum baru
new_min
A
= 4, maka nilai final setelah normalisasi
v’ =
77.10 −0
100 −0
4 − 0 + 0 = 3.08 Contoh normalisasi data nilai tes masuk adalah sebagai berikut. Diketahui nilai
tes awal
v
= 8.00, nilai minimum awal
min
A
= 0, nilai maksimum awal
max
A
= 10, nilai minimum baru
new_min
A
= 0 dan nilai maksimum baru
new_min
A
= 4, maka nilai tes setelah normalisasi
v’ =
8.00 − 0
10 −0
4 − 0 + 0 = 3.20
3.2.4 Penambangan Data