1.2 Rumusan Masalah
Pada penelitian ini, deteksi outlier akan dilakukan berdasarkan nilai tes masuk dan IPS. Mahasiswa dengan data akademik yang unik atau tidak memiliki
kemiripan dengan mahasiswa lainnya akan masuk ke dalam kelompok outlier. Pada penelitian ini juga dilakukan analisis mengenai penggunaan blok-blok data
terhadap lama deteksi outlier. Jadi, rumusan masalah dalam penelitian ini adalah : 1.
Mahasiswa manakah yang memiliki data akademik yang unik atau berbeda pada tiap semester berdasarkan nilai tes masuk dan IPS?
2. Bagaimanakah pengaruh penggunaan blok-blok data terhadap waktu
deteksi outlier?
1.3 Tujuan Penelitian
Tujuan penelitian ini yaitu : 1.
Melakukan deteksi outlier pada data akademik mahasiswa Prodi Teknik Informatika Universitas Sanata Dharma berupa hasil tes masuk dan IPS
semester satu sampai semester empat menggunakan algoritma Block- based Nested-Loop.
2. Menganalisis hasil deteksi outlier yang dihasilkan oleh algoritma Block-
based Nested-Loop. 3.
Menganalisis waktu yang diperlukan untuk melakukan deteksi outlier berdasarkan jumlah blok data yang digunakan oleh algoritma Block-based
Nested-Loop .
1.4 Batasan Masalah
Batasan masalah pada penelitian ini yaitu : 1.
Algoritma deteksi outlier yang digunakan yaitu algoritma Block-based Nested-Loop
. 2.
Data yang digunakan dalam penelitian ini merupakan data akademik mahasiswa Prodi Teknik Informatika angkatan 2007 dan 2008 di
Universitas Sanata Dharma berupa hasil tes penerimaan mahasiswa baru nilai penalaran mekanik, nilai penalaran verbal, nilai hubungan ruang,
nilai Bahasa Inggris, nilai kemampuan numerik , nilai final dan nilai
indeks prestasi semester dari semester satu sampai semester empat. 3.
Hasil penelitian ini berupa kelompok mahasiswa outlier, jika ada.
1.5 Manfaat Penelitian
Manfaat penelitian ini, antara lain: 1.
Memperkenalkan salah satu algoritma penambangan data khususnya untuk mendeteksi outlier yaitu algoritma Block-based Nested-Loop serta
keunggulannya dalam mendeteksi outlier. 2.
Membantu pihak Universitas Sanata Dharma dalam mendeteksi kejadian langka berkaitan dengan keunikan data akademik mahasiswa.
1.6 Sistematika Penulisan