Analisis Pengelompokan Mahasiswa Potensial Drop Out Menggunakan Metode Clustering Pada Program Studi Strata 1 Ilmu Komputer Dan Teknologi Informasi Universitas Sumatera Utara

BAB III ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis

Sub bab ini berisikan tentang analisis sistem yang akan dibangun. Sub bab ini membahas teknik pemecahan masalah yang menguraikan sebuah sistem menjadi bagian-bagian komponen dengan tujuan mempelajari seberapa baik bagian-bagian komponen tersebut bekerja dan berinteraksi. 3.1.1 Analisis Masalah Dari hasil analisis dijumpai masalah sebagai berikut : 1. Perguruan tinggi adalah salah satu institusi yang sudah pasti memiliki data yang tidak kecil volumenya. Database perguruan tinggi menyimpan data Universitas Sumatera Utara akademik, administrasi dan data mahasiswa. Data tersebut apabila digali dengan tepat maka dapat diketahui pola atau pengetahuan untuk mengambil keputusan 2. Pemahaman informasi mahasiswa yang potensial drop out penting untuk diketahui, pemahaman dapat dilakukan dengan mengungkapkan pengetahuan yang dimiliki untuk memahami, mengelompokkan, dan pencegahan kegagalan adalah sangat penting bagi managemen perguruan tinggi. Pengetahuan ini dapat digunakan dalam membantu pihak perguruan tinggi untuk lebih mengenal situasi para mahasiswanya, dan dapat dijadikan sebagai pengetahuan dini dalam proses pengambilan keputusan untuk tindakan preventif dalam hal mengantisipasi mahasiswa-mahasiswa potensial drop-out, untuk meningkatkan prestasi mahasiswa, untuk meningkatkan kurikulum, meningkatkan proses kegiatan belajar dan mengajar dan banyak lagi keuntungan lain yang bisa diperoleh dari hasil penambangan data. 3. Evaluasi merupakan salah satu dasar untuk memantau perkembangan prestasi akademik mahasiswa di dalam perguruan tinggi dan pengelompokkan mahasiswa kedalam kategori yang berbeda sesuai dengan prestasi mereka menjadi tugas yang rumit. Dengan pengelompokkan mahasiswa secara tradisional berdasarkan nilai rata-rata mereka, maka sulit untuk memperoleh pandangan yang menyeluruh mengenai keadaan prestasi mahasiswa. Dengan bantuan teknik data mining, seperti algoritma clustering, memungkinkan untuk menemukan karakteristik-karakteristik dari prestasi mahasiswa dan menggunakan karakteristik mereka untuk memprediksi prestasi dimasa depan. 3.1.2 Analisis Data Sistem Data sampel yang digunakan dalam penelitian inidiperoleh dari administrasi akademik Universitas Sumatera Utara Fakultas Ilmu Komputer dan Teknologi Informasi. Adapun data yang dijadikan sampel dalam penelitian ini adalah data mahasiswa dan data transkrip mahasiswa program studi Ilmu Komputer dan Universitas Sumatera Utara Teknologi Informasi untuk angkatan 2010 dan 2011. Dengan total jumlah data sampel sebanyak 473 data dengan rincian sebagai berikut : Tabel 3.1 Data Sampel Penelitian Angkatan Program Studi Jumlah Data Teknologi Informasi Ilmu Komputer 2010 113 100 213 2011 117 143 260 Total Data 473 Untuk angkatan 2010, data transkrip niai yang dijadikan objek pengelompokkan adalah data IP untuk semester ganjil 2010, semester genap 2010, semester ganjil 2011, semester genap 2011, dan semester ganjil 2012.Sedangkan untuk angkatan 2011, data transkrip niai yang dijadikan objek pengelompokkan adalah data IP untuk semester ganjil 2011, semester genap 2011, dan semester ganjil 2012. 3.1.3 Analisis Kebutuhan Fungsional Kebutuhan fungsional adalah jenis kebutuhan yang berisi proses-proses apa saja yang nantinya dilakukan oleh sistem. Kebutuhan fungsional juga berisi informasi- informasi apa saja yang harus ada dan dihasilkan oleh sistem. Berikut kebutuhan fungsional yang terdapat pada sistem yang dibangun : 1. Mengimplementasikan penggunaan Visual Basic.Net dalam membuat Aplikasi Pengelompokan mahasiswa potensial Drop Out Akademik Dengan Menggunakan Metode Clustering Pada Program Studi Teknologi Informasi dan Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara T.A. 20102011. 2. Algoritma yang digunakan dalam melakukan clusterring adalah algoritma K- Means. Universitas Sumatera Utara 3. Objek yang dikelompokkan adalah nilai Indeks Prestasi Mahasiswa. 4. Hasil yang didapatkan dari aplikasi ini adalah kelompok mahasiswa potensial drop out pada masing-masing angkatan 20102011 dan program studi Teknologi InformasiIlmu Komputer. 3.1.4 Analisis Kebutuhan Non Fungsional Kebutuhan ini adalah tipe kebutuhan yang berisi properti perilaku yang dimiliki oleh sistem. Berikut adalah kebutuhan nonfungsional yang dimiliki sistem : 1. Digunakan pada sistem operasi Microsoft Windows, minimal Microsoft Windows XP SP3. 2. Aplikasi dibangun dengan menggunakan komponen sebagai berikut : a. Paket software Visual Studio 2010, untuk aplikasi pemrograman aplikasi, bahasa pemrograman yang digunakan adalah Visual Basic 2010. b. Paket software XAMPP yang akan difungsikan sebagai DBMS MySQL. 3. Spesifikasi komputer standard Processor Pentium IV 2,6 GHz, Memori 512 MB, Kartu Grafik 128 MB.

3.2 Perancangan Sistem

Dokumen yang terkait

Studi dokumentasi tentang kecenderungan penelitian mahasiswa departemen ilmu komunikasi fakultas ilmu social dan ilmu politik Universitas Sumatra Utara 2010 - 2013

0 26 123

Model Profil Mahasiswa Yang Potensial Drop Out Menggunakan Teknik Kernel K-Mean Clustering Dan Decision Tree

7 64 121

Citra Departemen Ilmu Komunikasi dan Ekspektasi Mahasiswa (Studi Deskriptif tentang Citra Departemen Ilmu Komunikasi dan Ekspektasi Mahasiswa Ilmu Komunikasi FISIP USU)

6 70 134

Perilaku Pencarian Informasi Mahasiswa Dalam Menyelesaikan Skripsi Pada Program Studi Ilmu Perpustakaan Universitas Sumatera Utara

8 39 88

Perilaku Pencarian Informasi Mahasiswa Dalam Menyelesaikan Skripsi Pada Program Studi Ilmu Perpustakaan Universitas Sumatera Utara

0 0 13

Kewirausahaan Informasi (Infopreneur) Kelompok Mahasiswa Program Studi Ilmu Perpustakaan Universitas Sumatera Utara

0 0 15

PengaruhHarga, KualitasProduk, dan Citra Merek Terhadap Keputusan Pembelian Smartphone Merek Apple (iPhone) Pada Mahasiswa Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara

0 0 2

View of Pengelompokan Mahasiswa Potensial Drop Out Menggunakan Metode Clustering K-Means

0 1 6

Pengelompokan Mahasiswa Potensial Drop Out Menggunakan Metode Clustering Pada Program Studi Strata 1 Ilmu Komputer Dan Teknologi Informasi Universitas Sumatera Utara

0 1 13

Hubungan Lama Penggunaan Komputer dengan Kejadian Miopia di Fakultas Ilmu Komputer dan Teknologi Informasi Departemen Teknologi Informasi Universitas Sumatera Utara Tahun 2012

0 0 15