ANALISIS ASOSIASI PILIHAN MAYOR DENGAN KOMPETENSI AKADEMIK SISWA SLTA MENGGUNAKAN MARKET BASKET ANALYSIS

Transkripsi

1 ANALISIS ASOSIASI PILIHAN MAYOR DENGAN KOMPETENSI AKADEMIK SISWA SLTA MENGGUNAKAN MARKET BASKET ANALYSIS (Studi Kasus: Mahasiswa USMI Institut Pertanian Bogor) Oleh ADITYA PUTRA MAHARDIKA H PROGRAM SARJANA MANAJEMEN PENYELENGGARAAN KHUSUS DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2010

2 ABSTRAK Aditya Putra Mahardika. H Analisis Asosiasi Pilihan Mayor dengan Kompetensi Akademik Siswa SLTA Menggunakan Market Basket Analysis (Studi Kasus: Mahasiswa USMI Institut Pertanian Bogor). Di bawah bimbingan Muhammad Syamsun. Dalam seleksi penentuan mahasiswa baru IPB menerapkan program USMI yaitu penerimaan jalur masuk mahasiswa dengan sistem seleksi calon mahasiswa IPB yang tidak menggunakan ujian tertulis, dasar penentuan mahasiswa jalur USMI dinilai berdasarkan prestasi belajar selama 5 semester di SLTA. Jalur USMI biasanya diterima dari siswa SLTA jalur IPA melalui tahap penilaian kompetensi akademik atas peringkat dan nilai yang diperoleh siswa dalam 4 (empat) mata ajaran yaitu Biologi, Fisika, Kimia dan Matematika dan prestasi dalam bidang kokulikuler dan ekstrakulikuler. Banyaknya data dari pelamar USMI dari tahun ke tahun hanya digunakan pada saat seleksi selanjutnya data-data tersebut sebagai arsip, dan bahan laporan sehingga terjadi penumpukan. Data-data tersebut seharusnya dapat digunakan sebagai sumberdaya informasi. Untuk itu diperlukannya suatu cara untuk mempercepat dan mengekstraksi data-data tersebut agar dapat memberikan informasi. Data mining adalah salah satu cara untuk mengekstraks data, salah satu metode yang ada dalam data mining adalah metode Market Basket Analysis. Metode Market Basket Analysis ini menggunakan algoritma apriori yang merupakan jenis association rule pada data mining. Tugas dari association rule adalah menganalisis kebiasaan yang berulang dan mencari kombinasi dan frekuensi. Tujuan yang ingin dicapai dalam penelitian ini adalah: 1) dapat menerapkan sistem informasi manajemen melalui metode data mining dengan mengetahui aplikasi Market basket analysis, 2) Mengidentifikasi pola-pola dari kaidah asosiasi (association rules) yang berkaitan dengan data faktor-faktor yang mempengaruhi (asal mahasiswa, nilai USMI, Jenis Kelamin, pilihan mayor dan nilai IPK) untuk diketahui nilai-nilai support dan confidence, dan 3) Dapat mengamati kebiasaan dan asosiasi faktor-faktor penentu dari pemilihan mahasiswa USMI yang terhadap nilai IPK, sehingga didapat pola yang dapat membantu untuk keputusan dan rencana strategis. Penelitian dilakukan di Institut Pertanian Bogor. Data yang di analisis meliputi data kompetensi akademik dan data diri mahasiswa baru, serta data prestasi akademik mahasiswa tersebut yang diperoleh dari Panitia Penerimaan Mahasiswa Baru dan Direktorat Administrasi Pendidikan. Dari teknik data mining dilakukan pembersihan data, integrasi data, transformasi data, mining data serta presentasi hasil. Hasil Market Basket Analysis, didapatkan 745 rules yang memenuhi aturan yang ditentukan. Implikasi Manajerial yang didapat adalah dapat dilihatnya pola-pola yang dibentuk dari analisis yang dilakukan dapat melihat faktor dan kompetensi akademik siswa SLTA yang masuk dan memilih mayor tertentu, sehingga didapatkan peserta didik yang optimal dan menghasilkan lulusan yang baik dan bermutu. Dengan menggunakan teknik serupa dapat mempermudah bagi pimpinan IPB untuk menganalisis data-data lainnya yang bisa digunakan sebagai informasi sehingga dapat dipergunakan secara efektif dan efisien sebagai data dalam pengambilan keputusan strategis.

3 ANALISIS ASOSIASI PILIHAN MAYOR DENGAN KOMPETENSI AKADEMIK SISWA SLTA MENGGUNAKAN MARKET BASKET ANALYSIS (Studi Kasus: Mahasiswa USMI Institut Pertanian Bogor) SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI pada Program Sarjana Manajemen Penyelenggaraan Khusus Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor Oleh ADITYA PUTRA MAHARDIKA H PROGRAM SARJANA MANAJEMEN PENYELENGGARAAN KHUSUS DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2010

4 Judul Skripsi Nama NIM : ANALISIS ASOSIASI PILIHAN MAYOR DENGAN KOMPETENSI AKADEMIK SISWA SLTA MENGGUNAKAN MARKET BASKET ANALYSIS (Studi Kasus: Mahasiswa USMI Institut Pertanian Bogor) : Aditya Putra Mahardika : H Menyetujui Pembimbing, (Dr.Ir. Muhammad Syamsun, M.sc) NIP : Mengetahui Ketua Departemen, ( Dr. Ir. Jono M. Munandar, M.Sc ) NIP : Tanggal Lulus :

5 RIWAYAT HIDUP Penulis dilahirkan di kota Sragen 4 Maret Penulis merupakan putra pertama dari dua bersaudara pasangan Bapak Drs. Suyadi dan Ibu Sri Winarsih, S.Pd. Penulis menyelesaikan pendidikan dasar di SDN 3 Sragen pada tahun 1998, kemudian melanjutkan pendidikannya di SLTPN 5 Sragen dan lulus pada tahun Pada tahun yang sama, penulis melanjutkan pendidikan di SMU Al-Islam 1 Surakarta dan lulus pada tahun Penulis menyelesaikan pendidikan Diploma III tahun 2007 pada Program Studi Agroteknologi Hasil Perikanan, Departemen Teknologi Hasil Perairan, Fakultas Perikanan dan Ilmu Kelautan Institut Pertanian Bogor. Pada tahun yang sama, penulis melanjutkan kuliah di Program Sarjana Manajemen Penyelenggaraan Khusus, Departemen Manajemen, Fakultas Ekonomi dan Manajemen (FEM) IPB. Selain kuliah penulis membantu sebagai staff di Direktorat Kemahasiswaan IPB. Prestasi yang pernah diraih pada saat kuliah adalah menjadi penyaji tingkat nasional pada PIMNAS XVIII dan pernah mendapatkan medali setara perunggu pada PIMNAS XIX pada tahun 2006, dan beberapa lomba yang lain pernah diikuti. Penulis aktif dalam beberapa organisasi yaitu Badan Eksekutif Mahasiswa (BEM) Fakultas Perikanan dan Ilmu Kelautan tahun , dan menjadi layouter pada lembaga pers mahasiswa (LPM) BIRU , pengurus Extension of Manegement Club FEM IPB dan menjadi panitia di beberapa kegiatan kemahasiswaan lainnya. iii

6 KATA PENGANTAR Puji serta syukur penulis panjatkan ke Hadirat Allah SWT yang telah memberikan rahmat dan hidayah-nya, sehingga dapat menyelesaikan Skripsi dengan judul Analisis Asosiasi Pilihan Mayor dengan Kompetensi Akademik Siswa SLTA dengan Menggunakan Market Basket Analysis (Studi Kasus: Mahasiswa USMI Institut Pertanian Bogor) sebagai salah satu syarat untuk memperoleh gelar Sarjana pada Fakultas Ekonomi dan Manajemen IPB. Shalawat dan salam semoga senantiasa tercurah limpahkan kepada Nabi Besar Muhammad SAW.yang telah menjadi suari toladan dan contoh untuk menjadi manusia yang sempurna. Ucapan terima kasih yang sebesar-besarnya penulis sampaikan kepada : 1. Bapak Dr. Ir. Muhammad Syamsun, M.Sc selaku Dosen Pembimbing yang selalu memberikan arahan, bimbingan dan motivasi dalam penyusunan skripsi ini. 2. Ibu Heti Mulyati, S.TP., M.T., dan Dra. Siti Rahmawati, M.Pd sebagai Dosen Penguji. 3. Ibu, Bapak, Adikku yang selalu memberikan dukungan doa dan kasih sayang yang tidak pernah ada habisnya. 4. Seluruh Staff di kantor sekretariat Panitia Penerimaan Mahasiswa Baru, Direktorat Administrasi Pendidikan IPB, dan di Direktorat Komunikasi dan Sistem Informasi IPB yang telah memberikan banyak bantuan dalam penyusunan skripsi ini. 5. Dosen-dosen di PSMPK Daparteman Manajemen IPB yang telah membagi Ilmu dan sharing pengalaman yang luar biasa dalam menuntut ilmu. 6. Dr. Rimbawan dan Bapak Bambang Riyanto, S.Pi, M.Si serta seluruh pegawai di Direktorat Kemahasiswaan terima kasih banyak atas pengalaman dan ilmu yang luar biasa di bagi kepada penulis. 7. Ahmad, Pandu, Anafi, Yusi Saragi, Dewi, Wulan, Anita, Aris, Darussalam, Thia, Cendana, Junius, Winda dan Keluarga Besar PSMPK DM IPB atas persahabatan dan dukungannya. 8. Hari wardhana dan Teh Irin yang telah memberikan semangat tersendiri dalam menuntuk ilmu di PSMPK IPB. iv

7 9. Seluruh Staff PSMPK DM IPB atas bantuannya 10. Semua pihak yang tidak dapat disebutkan satu persatu atas bantuan yang telah diberikan dalam penyusunan skripsi ini. Penulis menyadari bahwa dalam penyusunan skripsi ini masih banyak kekurangan, kritik dan saran yang membangun sangat diharapkan untuk penyempurnaan skripsi ini. Akhir kata, semoga skripsi ini dapat bermanfaat bagi semua pihak yang membutuhkan. Bogor, Maret 2010 Penulis v

8 DAFTAR ISI Halaman ABSTRAK RIWAYAT HIDUP... KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... iii iv v viii ix x I. PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Ruang Lingkup Penelitian Manfaat Penelitian... 4 II. TINJAUAN PUSTAKA Sistem Informasi Manajemen Data Mining Association Rule Mining Market Basket Analysis Algoritma Apriori Kompetensi Akademik Penelitian Terdahulu III. METODOLOGI PENELITIAN Kerangka Pemikiran Penelitian Metodologi Penelitian Lokasi dan waktu Penelitian Jenis dan Metode Pengumpulan Data Metode Pengolahan dan Analisis Data IV. HASIL DAN PEMBAHASAN Kondisi umum Institut Pertanian Bogor Latar Belakang Institut Pertanian Bogor Visi, Misi dan Tujuan IPB Tujuan Pendidikan Kurikulum Struktur Organisasi Institut Pertanian Bogor Penerimaan Mahasiswa Baru Jalur Undangan Seleksi Masuk IPB (USMI) vi

9 4.2 Karakteristik Data Analisis Asosiasi Menggunakan Market Basket Analysis Implikasi Manajeriall KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA vii

10 DAFTAR TABEL No Halaman 1. Confidence versus support Uji normal nilai matematika SLTA mahasiswa USMI Uji normal nilai fisika SLTA mahasiswa USMI Uji normal nilai biologi SLTA mahasiswa USMI Uji Normal nilai kimia SLTA mahasiswa USMI Daftar sebaran jumlah mahasiswa USMI tahun berdasarkan pilihan mayor Kode asal daerah mahasiswa USMI Tahun Atribut biner penilaian kompetensi mahasiswa USMI IPB tahun viii

11 DAFTAR GAMBAR No Halaman 1. Proses Sistem Informasi Manajemen Alur proses KDD (Knowledge Discovery in Database) Pseudocode dari pembentukan kandidat itemset bersama pemangkasannya Kerangka penelitian Struktur organisasi Institut Pertanian Bogor Presentase mahasiswa Program Sarjana (S1) IPB Melalui Jalur Masuk USMI Presentase Mahasiswa USMI Berdasarkan Jenis Kelamin Asal daerah mahasiswa jalur USMI IPB Kurva normal nilai Matematika SLTA Mahasiswa USMI IPB tahun Kurva normal nilai Fisika SLTA Mahasiswa USMI IPB tahun Kurva normal nilai Biologi SLTA Mahasiswa USMI IPB tahun Kurva normal nilai Kimia SLTA Mahasiswa USMI IPB tahun Kompetensi akademik SLTA Mahasiswa USMI IPB Tahun Perolehan IPK pada Tingkat Persiapan Bersama (TPB) Mahasiswa USMI Tahun ix

12 DAFTAR LAMPIRAN No. Halaman 1. Hasil Nilai Analisis item pada atribut-atribut Hasil Market Basket Analysis Berdasarkan IPK Tingkat Persiapan - Bersama (TPB) Hasil Market Basket Analysis Berdasarkan IPK Akhir Pada Tahun Akademik 2008/ Hasil Market Basket Analysis dengan menambahkan Variabel jenis Kelamin Perempuan Hasil Market Basket Analysis dengan menambahkan Varibel Jenis Kelamin laki-laki x

13 I. PENDAHULUAN 1.1. Latar Belakang Di dalam perkembangan zaman dan kemajuan teknologi, dunia pendidikan dituntut untuk dapat memberikan pendidikan bermutu tinggi dan dapat meningkatkan daya saingnya. Adanya trend untuk menuju world class university, menyebabkan persaingan perguruan tinggi semakin ketat untuk dapat menjadi universitas yang bertaraf internasional. Mulai dari riset, penyelenggaraan pendidikan serta sistem administrasi diharuskan dapat memenuhi standar untuk penyelenggaraan pendidikan yang bermutu. Institut Pertanian Bogor adalah lembaga pendidikan tinggi yang mempunyai visi sebagai perguruan tinggi bertaraf internasional dalam pengembangan sumberdaya manusia dan IPTEKS dengan kompetensi utama di bidang pertanian tropika (Panduan Sarjana IPB, 2008), untuk itu dalam perkembangannya IPB menyelenggarakan pendidikan bermutu tinggi dan pembinaaan kemahasiswaan yang komprehensif dalam rangka untuk meningkatkan daya saing bangsa. Dalam penyelenggaran pendidikan tinggi yang bermutu, IPB menerima mahasiswa baru melalui 5 (lima) jalur yaitu : Undangan Seleksi Masuk IPB (USMI), Seleksi Penerimaan Mahasiswa Baru (SPMB), Undangan khusus bagi lulusan SLTA yang mempunyai prestasi nasional maupun internasional, Seleksi Penerimaan Mahasiswa Beasiswa Utusan Daerah (BUD),dan Ujian Talenta Mandiri IPB (UTMI) (panduan Sarjana IPB, 2009). Jalur USMI adalah sistem seleksi calon mahasiswa IPB yang tidak menggunakan ujian tertulis, Jalur ini biasanya diterima dari siswa SLTA jalur IPA melalui tahap penilaian kompetensi akademik atas peringkat dan nilai yang diperoleh siswa dalam 4 (empat) mata ajaran yaitu Biologi, Fisika, Kimia dan Matematika dan prestasi dalam bidang kokulikuler dan ekstrakulikuler, dasar penentuan mahasiswa jalur USMI dinilai berdasarkan prestasi belajar selama 5 semester di SLTA. Penerimaan mahasiswa Jalur USMI ditetapkan oleh IPB melalui undangan kepada sejumlah SLTA di seluruh Indonesia dan luar negeri.

14 2 Setelah diterima mahasiswa USMI melanjutkan kuliah dengan melalui proses tingkat persiapan bersama, selanjutnya pada semester 3 (tiga) dilanjutkan kuliah mayor minor sampai tahap kelulusan. Penilaian hasil belajar di IPB dinilai dari beberapa segi yaitu penilaian matakuliah, penilaian semester, penilaian TPB, penilaian interdep, penilaian mayor, penilaian minor, penilaian akhir tahun akademik dan penilaian akhir program (Panduan Sarjana IPB, 2008). Jalur masuk USMI merupakan jalur yang digunakan untuk memilih mayoritas (60%) mahasiswa IPB, sehingga perlunya suatu informasi dari berbagai data untuk mengetahui korelasi tingkat kemampuan pendidikan di SMA dengan jurusan yang diambil. Banyaknya data dari pelamar USMI dari tahun ke tahun hanya digunakan pada saat penyeleksian saja, selanjutnya data tersebut disimpan sebagai bahan laporan dan arsip. Data yang disimpan menumpuk sehingga terjadi penumpukan data atau sering disebut gunung data. Data-data tersebut seharusnya dapat digunakan sebagai sumberdaya informasi, untuk itu diperlukannya suatu cara untuk mempercepat dan mengekstraksi data-data tersebut untuk membantu memberikan informasi kepada manajerial sehingga dapat digunakan sebagai alat pengambilan keputusan, sebagai informasi strategis ataupun sebagai informasi pemasaran dalam mencapai peserta didik. Sistem Informasi Manajemen dapat mempercepat pengelolaan dan pemrosesan data menjadi salah satu informasi yang bermanfaat, salah satu cara untuk mengekstraksi data perlunya data mining. Data mining yaitu proses untuk membangkitkan data-data yang dikumpulkan untuk dapat ditingkatkan dan dipergunakan sehingga dapat memberikan kontribusi terhadap sistem (Han dan Kamber, 2006). Salah satu metode dalam data mining adalah metode Market Basket Analysis. Dalam metode Market Basket Analysis ini menggunakan algoritma apriori yang merupakan jenis association rule pada data mining. Tugas dari association rule adalah menganalisis kebiasaan yang berulang dan mencari kombinasi dan frekuensi. Dengan menggunakan metode ini dapat diketahui frekuensi seringnya kombinasi ini berulang dengan suatu pengukuran (Giudici dan Figini, 2009). Dengan analisis ini didapatkan relevasi

15 3 kompetensi akademik siswa SMA terhadap pilihan mayor dan indeks prestasi mahasiswa tersebut. Dari suatu kombinasi item yang sering muncul, akan diketahui pola dari kombinasi tersebut. Dengan diketahui pola dari data yang ada akan lebih mempermudah dan memberikan informasi yang akan berguna untuk pemilihan strategi bagi IPB khususnya dalam memilih calon mahasiswa. Berdasarkan hal di atas maka penulis tertarik untuk menelitinya lebih lanjut. Selain itu belum pernah dilakukannya penelitian yang berkaitan dengan aplikasi Market Basket Analysis pada mahasiswa USMI IPB Perumusan Masalah Adapun masalah yang akan dibahas dalam penelitian ini adalah sebagai berikut: 1. Bagaimana mengembangkan sebuah Sistem Informasi Manajemen dengan aplikasi Market Basket Analysis dari data menggunakan teknik asosiatif? 2. Bagaimana output yang akan dihasilkan dari kaidah asosiasi (association rules) yang berkaitan dengan data nilai USMI dan kaitannya terhadap IPK pada pilihan mayor yaitu dengan nilai-nilai support dan confidence? 3. Bagaimana pola-pola dari beberapa faktor seperti (asal mahasiswa, nilai USMI, Jenis Kelamin, pilihan mayor dan nilai IPK) dapat terbentuk? 1.3. Tujuan Berdasarkan perumusan masalah diatas, penelitian ini dilaksanakan dengan tujuan sebagai berikut: 1). Mempelajari penerapan sistem informasi manajemen melalui metode data mining dengan mengetahui aplikasi Market basket analysis. 2). Mengidentifikasi pola-pola dari kaidah asosiasi (association rules) yang berkaitan dengan data faktor-faktor yang mempengaruhi (asal mahasiswa, nilai USMI, Jenis Kelamin, pilihan mayor dan nilai IPK) untuk diketahui nilai-nilai support dan confidence. 3). Dapat mengamati kebiasaan dan asosiasi faktor-faktor penentu dari pemilihan mahasiswa USMI yang terhadap nilai IPK, sehingga didapat pola yang dapat membantu untuk keputusan dan rencana strategis.

16 Ruang Lingkup Penelitian 1. Penelitian dikhususkan terhadap mahasiswa USMI IPB dilihat dari nilai SMA khususnya nilai yang menjadi dasar penilaian untuk USMI dengan mempertimbangkan nilai Fisika, Kimia, Biologi,dan Matematika, Serta pilihan Mayor dan Nilai Indeks Prestasi mulai dari tahun Metoda yang dikaji adalah dengan Market Basket Analysis Manfaat Penelitian Penelitian ini diharapkan dapat memberikan manfaat bagi penulis, instansi maupun siapapun yang membacanya yaitu: 1. Bagi penulis, dapat menerapkan ilmu pengetahuan yang diperoleh di perkuliahan untuk diterapkan di lapangan. 2. Bagi Institut Pertanian Bogor, diharapkan hasil analisis ini dapat menjadi bahan pertimbangan dan masukan dalam penggunaan sistem informasi manajemen. 3. Bahan referensi bagi peneliti lain yang ingin melakukan penelitian lebih lanjut mengenai perencanaan dan pengendalian berkaitan dengan data mining.

17 II. TINJAUAN PUSTAKA 2.1 Sistem Informasi Manajemen Mcleod R dan Schell G, (2004) membagi sumber daya menjadi dua bagian yaitu sumberdaya fisikal dan sumberdaya konseptual. Sumber daya fisikal terdiri atas personil, mesin, bahan dan materiil, sedangkan Sumberdaya konseptual terdiri atas modal dan informasi. Suatu informasi merupakan suatu unsur kunci yang penting di dalam suatu sistem konseptual, informasi dapat bersifat manual ataupun dapat berupa komputer elektronik atau mekanik. Informasi dapat dilihat sebagai data penuh arti di mana data telah diubah jadi suatu konteks yang bermanfaat untuk membantu keputusan manajemen (Mutch, 1996). Sistem informasi dibagi menjadi dua bagian yaitu sistem pendukung operasi dan sistem pendukung manajemen. Sistem pendukung operasi dapat berupa sistem proses transaksi, sistem proses kontrol, sistem kolaborasi perusahaan. Bagian dari sistem pendukung manajemen antara lain sistem informasi manajemen, sistem pendukung keputusan, dan sistem informasi eksekutif (Mcleod dan Schell, 2004). Sistem Informasi Manajemen adalah manajemen dari suatu sistem dan merupakan suatu proses menciptakan, memperoleh, mengorganisir, menyimpan, mendistribusikan, dan menggunakan informasi. Tujuan dari Sistem Informasi Manajemen adalah membantu orang dan organisasi untuk akses informasi secara efektif dan efisien. Sehingga sistem informasi manajemen dapat membantu organisasi untuk beroperasi secara kompetitif dan strategis, serta membantu manajemen untuk lebih mudah dalam menjalani tugas dan mendapatkan data yang lebih baik (Detlor, 2009). Gambar.1 Proses Sistem Informasi Manajemen (Mcleod dan Schell, 2004)

18 6 2.2 Data Mining Data Mining merupakan istilah dari menambang atau mengektraksi suatu informasi dari sebuah data. Ekstraksi informasi yang berguna dari suatu penyimpan data besar menjadi pekerjaan yang cukup menantang, seringkali alat dan teknik analisis data tradisional tidak dapat digunakan dalam mengekstrak informasi dari data berukuran besar. Data mining adalah teknologi yang merupakan campuran metode-metode analisis data dengan algoritma-algoritma untuk memproses data berukuran besar (Giudici dan Figini, 2009). Data mining merupakan salah satu tahapan Knowledge discovery in database yang merupakan proses untuk menemukan informasi yang berguna serta pola-pola yang ada dalam data (Goharian dan Grossman, 2003). Langkah kerja Knowledge discovery in database yaitu : 1. Pembersihan Data : tahapan untuk menghilangkan data yang tidak konsisten dan terdapat noise 2. Mengintegrasikan data : di mana beberapa sumber data yang dapat dikombinasikan 3. Menyeleksi data : Mengambil data yang relevan yang dapat digunakan untuk proses analisis 4. Transformasi data : Mentrasformasikan atau menggabungkan data ke dalam bentuk yang tepat untuk ditambang dengan cara melakukan peringkasan atau operasi agregrasi 5. Data Mining : Merupakan proses penting, dimana metode-metode cerdas diaplikasikan untuk mengekstraksi pola-pola yang menarik dalam data. 6. Evaluasi Pola : Evaluasi Pola diperlukan untuk mengidentifikasi polapola yang menarik dalam merepresentasikan pengetahuan. 7. Presentasi Pengetahuan : Penggunaan visualisasi dan teknik representasi untuk menyajiakan pengetahuan hasil data mining kepada pengguna

19 7 Gambar. 2 Alur Proses KDD (Knowledge discovery in database) Data mining merupakan proses analisa data yang terdiri dari rangkaian aktivitas mulai dari mendefinisikan tujuan analisis, analisis data sampai kepada interpretasi dan evaluasi hasil (Giudici dan Figini, 2009). Disamping itu diperlukan juga restrukturisasi data yang beragam pada pusat informasi yang besar yaitu data warehouse (Connoly dan Begg, 2002) Proses data mining menurut Han dan Kamber (2006) dapat dibedakan menjadi dua tujuan utama : a. Descriptive data mining : Deskripsi konsep atau task relevan data dalam bentuk yang ringkas, informatif dan diskriminatif. b. Predictive data mining : Berdasarkan analisis data dibuat model untuk kemudian dijadikan sebagai alat prediksi trend dan data yang tidak diketahui nilainya.

20 8 Pencarian pola secara otomatis terhadap data dalam jumlah besar dalam data mining menggunakan beberapa tehnik seperti klasifikasi, penggugusan (clustering), deskripsi konsep, prediksi dan association rule (Han dan Kamber, 2006). Untuk membuat pengguna dapat berkomunikasi dengan sistem data mining, diperlukan data mining primitive yang dirancang untuk memfasilitasi penemuan pengetahuan secara efisien. Data mining primitive menurut Riyanti (2005) meliputi : Pengkoleksian data; digunakan untuk menspesifikasikan data yang akan di-mining karena pengguna pada umumnya hanya tertarik pada subset tertentu pada basis data. Analisis relevansi dimensi yaitu hirarki konsep yang merupakan informasi tentang domain yang akan di-mining yang dapat bermanfaat untuk proses penemuan pengetahuan. Konsep hierarki dapat didefinisikan serangkaian pemetaan dari konsep ber-level rendah menjadi level yang lebih tinggi Perhitungan nilai kemenarikan diperlukan karena tidak semua hasil dari data mining merupakan pengetahuan sehingga diperlukan nilai tertentu yang dapat ditetapkan oleh pengguna sebagai batas. Presentasi dan visualisasi pola yang ditemukan. Sistem data mining yang efektif harus mampu menampilkan pola-pola yang ditemukan dalam bermacam-macam bentuk seperti aturan, tabel, tabel silang, grafik, pohon keputusan, cube, atau visualisasi lain sehingga pengguna dari latar belakang yang berbeda dapat mengidentifikasi pola dan dapat beriteraksi dengan sistem Association Rule Mining Association Rule Mining digunakan untuk mencari hubungan menarik di antara items dalam suatu himpunan data (Han dan Kamber 2006). Di dalam data mining tehnik Association Rule Mining merupakan format yang paling sering digunakan pada penelusuran pola pada sistem data yang tidak dapat terlihat (Kantardzic, 2003).

21 9 Dengan Association Rule hubungan dapat diimplementasikan dengan Format X Ij, dimana X adalah suatu itemset yang terpisah dari Ij tetapi masih dalam suatu database (Agarwal et al, 1993), berdasarkan hubungan yang terbentuk dari beberapa item data tersebut dapat diambil kesimpulan item yang dapat digunakan untuk informasi (Kona dan Chakravarthy, 2003). Ukuran objektif yang dapat digunakan untuk menemukan aturan asosiasi adalah dengan menggunakan dua ukuran kepercayaan (interestingness measure) (Srikant dan Agrawal, 1996) yaitu : a. Support adalah suatu ukuran yang menunjukkan presentase banyaknya kejadian kombinasi item A dalam basis data. Support = jika asosiasi X Y =...(1) b. Confidence adalah presentase menunjukkan keakuratan dari hubungan antar 2 item atau lebih dalam aturan asosiasi (Han dan Kamber 2006). Confidence= jika asosiasi X Y=..(2) Batasan nilai support dan confidence ditentukan oleh user, sehingga akan terjadi maximum support, minimum suport, maximum confidence, dan minimum confidence. Keterangan confidence versus support dapat dilihat dalam Tabel. 1 Tabel.1 Confidence versus Support (Tanjung,2005) maximum suport minimum support minimum confidence Aturan asosiasi jarang bernilai benar, tetapi dapat sering terjadi Aturan asosiasi jarang bernilai benar, tetapi dapat jarang terjadi maximum confidence Aturan asosiasi sering bernilai benar, tetapi dapat sering terjadi Aturan asosiasi sering bernilai benar, tetapi dapat jarang terjadi Aturan asosiasi yang memenuhi minimum support dan minimum confidence terkadang bisa menjadi aturan asosiasi yang menyesatkan bagi pengguna. Aturan Asosiasi X Y bisa menyesatkan jika ternyata pembelian item X tidak diikuti pembelian item Y. Pembelian item X adalah independent terhadap pembelian item Y jika P(X Y) = P(X)P(Y), jika (X Y)

22 10 P(X)P(Y) maka item X dan Y bersifat dependent dan saling berhubungan (Han dan Kamber, 2006). Untuk itu perlu paramater penting selain support dan confidence yaitu adanya Lift Ratio. Lift Ratio merupakan nilai yang menunjukkan kevalidan proses transaksi dan memberikan informasi apakah benar produk X dibeli bersamaan dengan produk Y. Lift Ratio dapat ditulis sebagai: Lift Ratio X Y =. (3) Sebuah transaksi dikatakan valid jika mempunyai nilai Lift Ratio lebih dari 1 (satu), yang berarti bahwa dalam transaksi tersebut produk X dan Y benar-benar terdapat hubungan korelasi. Selain Lift Ratio juga terdapat nilai Laverage yaitu nilai dari jumlah kekurangan ataupun kelebihan support untuk memenuhi syarat. Nilai leverage dapat mengartikan jika suatu aturan memiliki nilai leverage positif maka hubungan antara kedua item adalah positif, sebaliknya jika nilai leverage negatif maka hubungan kedua item tersebut juga negatif. Leverage dapat ditulis dengan rumus: Leverage = (4) 2.4 Market Basket Analysis Market basket analysis merupakan fungsi dari Association Rule Mining yang biasanya digunakan untuk mempelajari kebiasaan konsumen dengan mencari frekuensi itemset yang sering dibeli dan item yang dibeli secara bersamaan (Han dan Kamber 2006). Market basket analysis merupakan teknik matematis yang biasanya digunakan profesional marketing untuk mencari hubungan produk individual ataupun group (Redlon,2008). Istilah analisis ini sendiri datang dari kejadian yang sudah sangat umum terjadi di dalam supermarket, yaitu pengambilan barang secara bersamaan oleh pelanggan saat mengunjungi supermarket (Cavique, 2007). Tujuan dari market basket analysis untuk mengidentifikasi produk, atau kelompok produk yang cenderung terdapat korelasi bersamaan (Giudici dan Figini, 2009). Market basket analysis adalah alat yang ampuh untuk

23 11 diterapkan didalam strategi cross-selling (Cavique, 2007). Hasil dari analisis ini dapat digunakan untuk mengorganisir tata ruang, mengorganisir produk yang sering menjual bersama-sama, serta dapat juga digunakan untuk meningkatkan efisiensi promosi produk (Factpoint Group, 2008). Terdapat dua riset utama dalam Market basket analysis, yaitu bersifat penyelidikan dan bersifat menjelaskan model. Pendekatan penyelidikan terbatas kepada tugas dalam menemukan cross-category yaitu hubungan timbal balik dasarkan pada pola dasar yang diamati dari kategori produk atau konsumen. Pendekatan penyelidikan juga dikenal sebagai gaya gabung atau analisa hubungan dekat. Analisa ini mengarahkan suatu ukuran asosiasi symmetric dan memasangkan sehingga memperoleh pola dari cross-tabulation berbagai faktor (Boztug, 2008) Algoritma Apriori Algoritma Apriori adalah algoritma paling terkenal untuk menemukan pola frekuensi tinggi yang digunakan untuk menghasilkan aturan asosiasi dengan pola if condition then result (Hochreiter, 2006). Pola frekuensi tinggi adalah pola-pola item di dalam suatu database yang memiliki frekuensi atau support di atas ambang batas tertentu yang disebut dengan istilah minimum support. Pola frekuensi tinggi ini digunakan untuk menyusun aturan assosiatif dan juga beberapa teknik data mining lainnya. Menurut Srikant dan Agrawal (1996) Algoritma Apriori menggunakan pendekatan iteratif yang dikenal dengan level-wise search yang dibagi menjadi beberapa tahap, dimana k-kelompok produk digunakan untuk mengeksplorasi (k+1)-kelompok produk atau (k+1)-itemset. Tiap iterasi menghasilkan pola frekuensi tinggi dengan panjang yang sama dimulai dari fase pertama yang menghasilkan pola frekuensi tinggi dengan panjang satu. Dalam iterasi pertama ini, support dari setiap item dihitung dengan men-scan database. Setelah support dari setiap item didapat, item yang memiliki support diatas minimum support dipilih sebagai pola frekuensi tinggi dengan panjang 1 atau sering disingkat 1-itemset. Singkatan k-itemset berarti satu set yang terdiri dari k item.

24 12 Iterasi kedua menghasilkan 2-itemset yang tiap set-nya memiliki dua item. Pertama dibuat kandidat 2-itemset dari kombinasi semua 1-itemset. Lalu untuk tiap kandidat 2-itemset ini dihitung support-nya dengan men-scan database. Support disini artinya jumlah transaksi dalam database yang mengandung kedua item dalam kandidat 2-itemset. Setelah support dari semua kandidat 2-itemset didapatkan, kandidat 2-itemset yang memenuhi syarat minimum support dapat ditetapkan sebagai 2-itemset yang juga merupakan pola frekuensi tinggi dengan panjang 2. Selanjutnya pada iterasi ke-k dapat dibagi lagi menjadi beberapa bagian : 1. Pembentukan kandidat itemset. Kandidat k-itemset dibentuk dari kombinasi (k-1)-itemset yang didapat dari iterasi sebelumnya. Satu ciri dari algoritma apriori adalah adanya pemangkasan kandidat k-itemset yang subset-nya yang berisi k-1 item tidak termasuk dalam pola frekuensi tinggi dengan panjang k Penghitungan support dari tiap kandidat k-itemset. Support dari tiap kandidat k-itemset didapat dengan men-scan database untuk menghitung jumlah transaksi yang memuat semua item di dalam kandidat k-itemset tersebut. Ini adalah ciri dari algoritma apriori dimana diperlukan penghitungan dengan scan seluruh database sebanyak k- itemset terpanjang. 3. Tetapkan pola frekuensi tinggi. Pola frekuensi tinggi yang memuat k item atau k-itemset ditetapkan dari kandidat k-itemset yang support-nya lebih besar dari minimum support. 4. Bila tidak didapat pola frekuensi tinggi baru maka seluruh proses dihentikan. Bila tidak, maka k ditambah satu dan kembali ke bagian 1.

25 13 Ada dua proses utama yang dilakukan algoritma apriori (Srikant dan Agrawal, 1996), yaitu: 1. Join (penggabungan): untuk menemukan L k, C k dibangkitkan dengan melakukan proses join L k-1 dengan dirinya sendiri, C k =L k-1 *L k-1, lalu anggota C k diambil hanya yang terdapat didalam L k Prune (pemangkasan): menghilangkan anggota C k yang memiliki support count lebih kecil dari minimum support agar tidak dimasukkan ke dalam L k...(5) Gambar 3. Pseudocode dari Pembentukan Kandidat Itemset Bersama Pemangkasannya Beberapa istilah yang digunakan dalam algoritma apriori antara lain: a. Support (dukungan): probabilitas pelanggan membeli beberapa produk secara bersamaan dari seluruh transaksi. Support untuk aturan X=>Y adalah probabilitas atribut atau kumpulan atribut X dan Y yang terjadi bersamaan. b. Confidence (tingkat kepercayaan): probabilitas kejadian beberapa produk dibeli bersamaan dimana salah satu produk sudah pasti dibeli. Contoh: jika ada n transaksi dimana X dibeli, dan ada m transaksi dimana X dan Y dibeli bersamaan, maka confidence dari aturan if X then Y adalah m/n. c. Minimum support: parameter yang digunakan sebagai batasan frekuensi

26 14 d. kejadian atau support count yang harus dipenuhi suatu kelompok data untuk dapat dijadikan aturan. e. Minimum confidence: parameter yang mendefinisikan minimum level dari confidence yang harus dipenuhi oleh aturan yang berkualitas. f. Itemset: kelompok produk. g. Support count: frekuensi kejadian untuk sebuah kelompok produk atau itemset dari seluruh transaksi. h. Kandidat itemset: itemset-itemset yang akan dihitung support count-nya. i. Large itemset: itemset yang sering terjadi, atau itemset-itemset yang sudah melewati batas minimum support yang telah diberikan Kompetensi Akademik Kompetensi akademik adalah nilai atau ukuran yang diperoleh seseorang dalam kelembagaan pendidikan. Nilai tersebut didasarkan menurut standar atau kriteria tertentu dan merupakan fungsi dari faktor-faktor sekolah dan faktor-faktor lainnya (Indriyanto, 2005). Kompetensi akademik yang diperoleh di pendidikan menengah, diharuskan dapat memenuhi standar kompetensi lulusan yaitu dapat meningkatkan kecerdasan, pengetahuan, kepribadian, akhlak mulia, serta keterampilan untuk hidup mandiri dan mengikuti pendidikan lebih lanjut (permendiknas, 2006). Salah satu ketetapan yang menjadi standar adalah menguasai pengetahuan yang diperlukan untuk mengikuti pendidikan tinggi Penelitian Terdahulu Penelitian terdahulu dilakukan oleh Agarwal dan Srikant, 1996 yang meneliti database dari transaksi penjualan di supermarket dengan melihat ID pelanggan, untuk melihat pola-pola pembelian pelanggan. Penelitian oleh Erdani, (2007) Departemen Ilmu Komputer FMIPA IPB dengan judul pengembangan aplikasi Data Mining menggunakan metode Induksi Beroreantasi Atribut ( studi kasus : Data PPMB IPB), Dalam Penelitiannya Erdani membuat sistem data mining yang menganalisis pemilihan fakultas dengan atribut pulau asal pelamar, dalam analisisnya menggunakan aplikasi data mining tetapi dengan metode yang berbeda yaitu induksi atribut yang

27 15 menyimpulkan perbandingan kelas dengan kelas target dan kelas pembanding pulau asal pelamar yang memenuhi kondisi diterima pada pilihan pertama dan untuk setiap kemungkinan kondisi. Penggunaan metode market basket analysis juga pernah dilakukan oleh Lestari, 2008 yang memberikan kesimpulan bahwa aplikasi data mining dengan metode market basket analysis mampu mengolah data transaksi yang disediakan oleh user untuk menemukan frequent itemset dan association rule yang memenuhi syarat minimum.

28 III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Penelitian Informasi merupakan suatu unsur kunci yang penting di dalam suatu sistem konseptual. Suatu informasi dapat terbentuk melalui berbagai cara salah satunya adanya data, jika data tersebut diolah dapat digunakan sebagai sumberdaya informasi yang berharga. Tetapi terkadang data digunakan hanya pada saat dibutuhkan kemudian dijadikan arsip dan disimpan dengan harapan dapat berguna di masa yang akan datang. Keberadaaan data tersebut jumlahnya sangat banyak dan bervariasi, hal ini sesuai dengan keadaan data dari berbagai bagian yang mendukung organisasi tersebut. Adanya sistem informasi manajemen memungkinkan untuk membangkitkan data-data yang ada dalam suatu organisasi. Pembangkitan data diperlukan untuk mengetahui pola serta struktur dari suatu data, sehingga dapat mempermudah dan membantu manajemen. Struktur dan pola data yang ditampilkan dapat digunakan sebagai informasi baik bersifat strategis maupun manajerial agar dapat memperkecil resiko dalam pengambilan keputusan. Dalam penjaringan calon mahasiswa, IPB menerapkan sistem Undangan Seleksi Masuk IPB atau disebut USMI. Sistem seleksi tersebut tidak menggunakan tes masuk, melainkan melihat catatan kompetensi akademik siswa SLTA selama 5 (lima) semester. Kompetensi akademik tersebut dinilai dan dibobotkan, sehingga terjaring didapatkan peserta didik yang layak masuk ke IPB. Dasar yang digunakan dari kompetensi akademik siswa SLTA dalam penyaringan mahasiswa baru didasarkan 4 (empat) mata ajaran yaitu fisika, biologi, matematika dan kimia. Data kompetensi siswa SLTA ini oleh panitia penerimaan mahasiswa baru IPB hanya digunakan untuk proses penyeleksian mahasiswa baru, setelah itu data tersebut diarsipkan untuk kebutuhan administratif. Data-data tersebut tersimpan dalam bentuk fisik ataupun softfile di dalam database. Database mahasiswa USMI dari tahun ke tahun menumpuk dan dapat terjadi gunung data dalam database, sehingga tidak memberikan manfaat bagi pemilik data. Penelitian

29 17 ini dapat memanfaatkan data-data tersebut untuk diekstraksi dan dapat diambil nilai kemenarikannya. Penelitian yang dilakukan mencoba melihat pola-pola yang dibentuk dari kompetensi akademik SLTA dengan keberhasilan mahasiswa tersebut dalam mengikuti mayor yang ada di IPB. Beberapa faktor juga diduga dapat mempengaruhi dari keberhasilan mahasiswa tersebut dalam perkuliahan seperti jenis kelamin dan asal daerah. Berdasarkan latar belakang, perumusan masalah, tujuan penelitian, focus group discusion diperoleh sebuah kaidah asosiasi untuk melihat pola asosiasinya. Setelah pola terbentuk dari aturanaturan yang ditentukan dapat dilihat nilai hubungan dari pola yang tersebut, sehingga panitia penerimaan mahasiswa baru dapat menggunakannya sebagai informasi. Informasi tersebut dapat berguna untuk berbagai macam keputusan baik strategis maupun manajerial. Gambar. 4 Kerangka Penelitian Analisis Asosiasi Pilihan Mayor dengan Kompetensi Akademik Siswa SLTA dengan Menggunakan Market Basket Analysis Studi Kasus: Mahasiswa USMI IPB

30 Metodologi Penelitian Lokasi dan waktu Penelitian Lokasi penelitian dilakukan di Institut Pertanian Bogor bertempat di gedung Andi Hakim Nasoetion, Kampus IPB Darmaga. pada bulan November 2009 Februari Dua bagian yang dijadikan tempat penelitian yaitu Sekretariat Panitia Penerimaan Mahasiswa Baru dan Direktorat Administrasi Pendidikan Institut Pertanian Bogor Jenis dan Metode Pengumpulan Data Jenis data yang digunakan merupakan data primer dan sekunder, Data primer didapatkan dengan konsultasi dan wawancara langsung dengan pihak-pihak yang terlibat dalam manajemen Penerimaan Mahasiswa Baru dan Mahasiswa USMI IPB. Data Sekunder dibutuhkan dengan mengumpulkan data nilai usmi dan biodata mahasiswa mayor-minor IPB serta nilai akademik mahasiswa, studi pustaka mengenai market basket analysis dan data yang berkaitan dengan Nilai USMI dan IPK Mahasiswa USMI IPB pada tahun Metode Pengolahan dan Analisis Data Pengolahan dan analisis data yang akan diteliti menggunakan tehnik data mining dengan menggunakan metode Market Basket Analysis yaitu dengan cara menemukan asosiasi dan korelasi dari berbagai macam faktor yang sering berkaitan dan terdapat hubungan. Pengolahan data menggunakan tahap-tahap sebagai berikut (Han dan Kamber, 2006): 1. Metode Analisis : yaitu dengan melakukan survei dan observasi untuk mengumpulkan data yang digunakan 2. Pembersihan data : membuang data, informasi atau field yang tidak konsisten dan data yang mengandung noise. 3. Integrasi data : merupakan proses memilih dan memisahkan data berdasarkan kriteria 4. Menyeleksi data : mengambil data yang relevan yang dapat digunakan untuk proses analisis

31 19 5. Transformasi data : data di rubah dalam bentuk yang useable dan dapat di-mining. 6. Data mining : melakukan penambangan data sehingga mendapatkan pola-pola dari data 7. Evaluasi Pola : Evaluasi Pola diperlukan untuk mengidentifikasi polapola yang menarik dalam merepresentasikan pengetahuan. 8. Presentasi pengetahuan : setelah menemukan pola data dapat dipresentasikan dengan tehnik visualisasi agar user dapat mudah memahaminya.. Tahapan penelitian diawali dengan melakukan pembersihan data, data yang akan digunakan adalah data yang dinilai kemenarikannya dan relevan untuk diekstraksi. Data yang mengandung noise ataupun kosong yang diakibatkan oleh pengentrian data dapat dibersihkan sehingga tidak mengganggu ekstraksi data. Data yang digunakan dalam penelitian ini hanya berupa data kompetensi akademik dari SLTA dan sebagian dari data diri yaitu jenis kelamin, asal daerah dan tahun masuk. Selain data yang dibutuhkan atau terdapat data yang sama maka data tersebut akan dihapus. Pemasukan data harus didasarkan rule yang ditentukan sehingga jika ada data yang tidak sama terhadap aturan yang ditentukan data tersebut dibersihkan. Pembersihan data dilakukan dengan penghapusan data dari database dan perbaikan data, bagian data yang dihapus adalah data yang mengandung noise, data kosong,dan data dari atribut yang tidak dinilai kemenarikannya. Data juga dapat diperbaiki jika terdapat data yang terdapat noise tetapi dapat diperbaiki. Setelah dilakukan pembersihan data, selanjutnya dilakukan integrasi data, proses ini diperlukan untuk memperoleh data yang dapat di-mining sesuai kemenarikannya. Data diperoleh dari dua bagian yang berbeda yaitu PPMB IPB yang mempunyai data tentang kompetensi akademik SLTA mahasiswa USMI IPB tahun dan data dari Direktorat

32 20 Administrasi Pendidikan yang memiliki data Indeks Prestasi mahasiswa tersebut selama masa perkuliahan. Proses pengintegrasian data dimulai dengan konversi nilai akademik 4 mata ajaran Matematika, Fisika, Biologi, dan Kimia yang menjadi dasar pertimbangan penilaian di jalur USMI untuk dikelompokkan menjadi 2 (dua) kelompok besar yaitu A dan B. Konversi dilakukan juga terhadap Indeks Prestasi Mahasiswa, sesuai kisaran yang telah ditentukan untuk penelitian ini adalah IP dengan nilai 3,51 4,00; 2,76 3,50; 2,01 2,75; dan < 2,0 dan selanjutnya akan diberi Kode CL untuk nilai 3,51 4,00, SM untuk nilai 2,76-3,50, M untuk 2,01-2,75 dan DS jika memiliki nilai <2,0. Proses integrasi data dilakukan pada tabel dan diidentifikasi berdasarkan Nomor Induk Mahasiswa (NIM), atribut pada data akan diberikan kode-kode untuk membedakan. Hasil tabel gabungan akan memiliki seluruh atribut gabungan dari mahasiswa. Informasi tahun masuk mahasiswa USMI juga akan disertakan dalam atribut untuk tetap menjaga informasi. Setelah diintregasikan diperoleh data sebanyak tuple. Atribut yang digunakan dalam penelitian ini berupa Indeks prestasi TPB diberikan kode IPKB, Indeks prestasi akhir dengan kode IPKA. Untuk kompetensi akademik SLTA menggunakan variabel dari nilai yang digunakan sebagai dasar pemilihan mahasiswa USMI yaitu nilai kimia diberikan kode KIMUS, nilai fisika FISUS nilai matematika MATUS dan nilai biologi BIOUS. Atribut jenis kelamin yang disingkat JK digunakan juga untuk melihat pengaruh yang diakibatkan jika terdapat faktor gender, untuk laki-laki diberikan kode 1 dan perempuan deberikan kode 0. Mayor akan diberikan kode DEPT, kode mayor yang dipilih mahasiswa tersebut akan didasarkan kode mayor yang ada di IPB dan untuk asal daerah akan disingkat dengan ASDAE diberikan kode seperti pada Tabel 7 dibawah ini :

33 21 Tabel 7. Kode Asal Daerah Mahasiswa USMI Tahun Kode Asal Daerah 1 Sumatera 2 DKI Jakarta 3 Jawa Barat 4 Jawa Tengah Jawa Timur dan 5 Madura Bali dan Nusa 6 Tenggara 7 Kalimantan 8 Sulawesi 9 Irian Jaya 10 Luar Negeri Data yang sudah diintegrasikan akan diubah kedalam bentuk data yang mudah untuk dilakukan penambangan. Data tersebut harus sesuai dengan alat atau software yang digunakan. Dalam penelitian ini digunakan Magnum Opus yang dikeluarkan oleh G.I. Webb & Associates pty Ltd., yang merupakan software untuk mengolah data dengan menggunakan tehnik market basket analysis. Data yang diperoleh dari IPB berformat basis data Foxpro (.dbf) sehingga perlu di transformasi menjadi format yang disediakan oleh Magnum Opus yaitu Identifier-Item File (.idi), Item List File (.itl), Name File (.nam). Data yang diperoleh dari Panitia Penerimaan Mahasiswa Baru (PPMB) IPB dan Direktorat Administrasi Pendidikan adalah basis data Foxpro (.dbf) dan sudah di konversi dalam tabel microsoft exel (.xls). Format data yang diberikan mirip dengan format Identifier-Item File (.idi) yang ada di magnum opus, sehingga data yang diperoleh dikonversi menjadi (.idi) dengan format (NIM, Atribut). Setelah semua atribut diintegrasikan didapatkan 68 atribut yang digunakan. Atribut tersebut akan diibaratkan sebuah transaksi, setiap transaksi berisi tentang data kompetensi akademik saat SLTA, data diri mahasiswa, serta data pilihan mayor dan indeks prestasinya. Untuk memudahkan proses atribut tersebut diberikan kode sebagai berikut :

34 22 Tabel. 8 Atribut Biner Penilaian Kompetensi Mahasiswa USMI IPB Tahun IPKB CL 35. DEPT A3 2. IPKB SM 36. DEPT A4 3. IPKB M 37. DEPT B0 4. IPKB DS 38. DEPT C1 5. IPKA CL 39. DEPT C2 6. IPKA SM 40. DEPT C3 7. IPKA M 41. DEPT C4 8. IPKA DS 42. DEPT C5 9. ASDAE DEPT D1 10. ASDAE DEPT D2 11. ASDAE DEPT E1 12. ASDAE DEPT E2 13. ASDAE DEPT E3 14. ASDAE DEPT E4 15. ASDAE DEPT F1 16. ASDAE DEPT F2 17. ASDAE DEPT F3 18. ASDAE DEPT F4 19. JK DEPT G1 20. JK DEPT G2 21. MATUS A 55. DEPT G3 22. MATUS B 56. DEPT G4 23. KIMUS A 57. DEPT G5 24. KIMUS B 58. DEPT G6 25. FISUS A 59. DEPT G7 26. FISUS B 60. DEPT G8 27. BIOUS A 61. DEPT H1 28. BIOUS B 62. DEPT H2 29. TAHUN DEPT H3 30. TAHUN DEPT H4 31. TAHUN DEPT I1 32. TAHUN DEPT I2 33. DEPT A1 67. DEPT I3 34. DEPT A2 68. DEPT D0 Analisis data dilakukan dengan menggunakan kaidah asosiasi (Association Rules), yang biasa digunakan dalam metode market basket analysis untuk menghasilkan aturan asosiasi dengan pola if condition then result (Agarwal et al, 1993). Association Rules digunakan dengan

35 23 tujuan menemukan frequent itemsets yang dijalankan pada sekumpulan data. Ukuran objektif yang dapat digunakan untuk menemukan aturan asosiasi adalah dengan menggunakan dua ukuran kepercayaan (interestingness measure) (Srikant dan Agrawal, 1996) yaitu : a. Support adalah suatu ukuran yang menunjukkan presentase banyaknya kejadian kombinasi item A dalam basis data. Support = jika asosiasi X Y =... (6) b. Confidence adalah presentase menunjukkan keakuratan dari hubungan antar 2 item atau lebih dalam aturan asosiasi (Han dan Kamber 2006). Confidence= jika asosiasi X Y =...(7) Data yang diperoleh dari database ditentukan pola yang menarik dan dilihat karakteristiknya. Setelah mengetahui karakteristik data dilakukan integrasi data sehingga mudah untuk di-mining. Aturan yang akan diterapkan dalam penelitian ini adalah jika mahasiswa berasal dari daerah..., dan memiliki nilai USMI..., memilih mayor..., maka Indeks prestasi mahasiswa.... Dalam proses data mining juga dapat menggunakan fasilitas query dalam basis data sehingga dapat digunakan sebagai alat untuk mengkombinasikan antar item dalam itemset. Penelitian ini menggunakan software khusus untuk metode market basket analysis yaitu magnum opus dari G.I. Webb & Associates pty Ltd.

36 24 IV. HASIL DAN PEMBAHASAN 4.1. Kondisi Umum Institut Pertanian Bogor Latar Belakang Institut Pertanian Bogor Berdasarkan buku panduan sarjana, 2008 Institut Pertanian Bogor adalah lembaga pendidikan tinggi pertanian yang secara historis merupakan bentukan dari lembaga-lembaga pendidikan menengah dan tinggi pertanian dan kedokteran hewan yang dimulai pada awal abad ke- 20 ini di Bogor. Sebelum perang dunia II lembaga-lembaga pendidikan menengah tersebut dikenal dengan nama Middelbare Landbouw School dan Nederlandsch Indische Veeartsen School. Pada tahun 1940, pemerintah Hindia Belanda mendirikan Lembaga Pendidikan Tinggi Pertanian di Bogor dengan nama Landbouw Hogeschool yang pada masa pendudukan Jepang ( ) ditutup. Namun pada masa itu, Nederlandsch Indische Veeartsen School tetap berjalan. Hanya namanya di ubah menjadi Bogor Zui Gakku (Sekolah Dokter Hewan Bogor) yang pada tahun 1946 ditingkatkan menjadi Perguruan Tinggi Kedokteran Hewan (PTKH). Pada tahun 1947 Landbouw Hogeschool dibuka kembali dengan nama Faculteit voor Landbow-watenschappen sebagai kelanjutan Landbouw Hogeschool, yang mempunyai Jurusan Pertanian dan Kehutanan. Bersama dengan itu dibentuk Faculteit der Diergeneskunde yang sebelumnya adalah Perguruan Tinggi Kedokteran Hewan (PTKH). Secara organik kedua faculteit yang ada di Bogor tersebut bernaung di bawah Universiteit van Indonesie yang kemudian berubah nama menjadi Universitas Indonesia. Pada tahun 1950 Faculteit voor Landbouw-watenshappen berubah nama menjadi Fakultas Pertanian Universitas Indonesia dengan tiga jurusan yaitu Sosial Ekonomi, Pengetahuan Alam dan Kehutanan serta pada tahun 1957 dibentuk Jurusan Perikanan Darat. Sedangkan Faculteit voor Diergeneeskunde berubah nama menjadi Fakultas Kedokteran Hewan Universitas Indonesia yang pada tahun 1960 berubah nama

37 25 menjadi Fakultas Kedokteran Hewan dan Peternakan Universitas Indonesia. Pada tanggal 1 September 1963, berdasarkan Keputusan Menteri Pendidikan Tinggi dan Ilmu Pengetahuan (PTIP) Nomor 91 tahun 1963, Fakultas Pertanian dan Fakultas Kedokteran Hewan, Fakultas Peternakan Universitas Indonesia selanjutnya melepas diri menjadi Institut Pertanian Bogor dan disahkan oleh Presiden RI dengan Surat Keputusan No Tahun Pada awalnya, IPB terdiri dari lima fakultas yaitu : Fakultas Pertanian dan Fakultas Kehutanan berasal dari Jurusan Pertanian dan Jurusan Kehutanan Fakultas Pertanian Universitas Indonesia, sedangkan Fakultas Kedokteran Hewan dan Fakultas Peternakan berasal dari Fakultas Kedokteran Hewan, Peternakan dan Perikanan Laut Universitas Indonesia, Fakultas Perikanan merupakan gabungan Jurusan Perikanan Darat Fakultas Pertanian Universitas Indonesia dan Jurusan Perikanan Laut Fakultas Kedokteran Hewan dan Peternakan Universitas Indonesia. Pada tahun 1964, IPB berkembang menjadi 6 Fakultas dengan didirikannya Fakultas Teknologi dan Mekanisasi Pertanian (FATAMETA), yang pada tahun 1968 berubah menjadi Fakultas Mekanisasi dan Teknologi Hasil Pertanian dan tahun 1981 hingga saat ini bernama Fakultas Teknologi Pertanian. Pada tahun 1975, Sekolah Pascasarjana pertama di Indonesia dibuka di IPB yang pada tahun 1980 diresmikan menjadi Fakultas Pascasarjana IPB. Dengan terbitnya PP 30/1990 Fakultas Pascasarjana IPB beralih status menjadi Program Pendidikan Pascasarjana yang dipimpin oleh Direktur Program Pascasarjana. Pada tahun 1981, IPB membuka Fakultas Sains dan Matematika yang pada tahun 1983 berubah nama menjadi Fakultas Matematika dan Ilmu Pengetahuan Alam. Fakultas ini merupakan gabungan dari Departemen Ilmu Pengetahuan Alam, Departemen Botani dan Departemen Statistika dan Komputasi Fakultas Pertanian IPB serta Departemen Biokimia dan Departemen Zoologi Fakultas Kedokteran Hewan IPB. Pada Tahun 1979, IPB mulai menyelengarakan Program Diploma yang pada tahun 1980 menjadi

38 26 fakultas non gelar teknologi yang lebih dikenal dengan nama Fakultas Politeknik Pertanian. Berdasarkan PP 30 tahun 1990 Fakultas Politeknik Pertanian ditiadakan. Selanjutnya program pendidikan diploma tersebut dikelola oleh Jurusan/Fakultas di lingkungan IPB. Pada tahun 1992 IPB membuka program pendidikan Pascasarjana profesional setingkat S2 dalam bidang Manajemen Agribisnis (MMA). Hasil Pemikiran IPB telah mencanangkan konsep Pembangunan Pertanian Berkebudayaan Industri (PPBI) yang diharapkan dapat menjadikan Indonesia sebagai negara Industri yang berbasiskan pertanian yang tangguh. Tahun 2000 IPB membuka Fakultas Ekonomi dan Manajemen. Pada tanggal 26 Desember 2000 melalui Peraturan Pemerintah nomor 154 IPB telah ditetapkan Institut Pertanian Bogor sebagai Badan Hukum Milik Negara (BHMN), dengan penetapan ini maka IPB dalam menyelenggarakan kegiatan bersifat otonom. Sejalan dengan kebijakan Dasar Pendidikan IPB mengenai pengembangan Kurikulum Program Pendidikan IPB, dilakukan penataan departemen dengan menerapkan Kurikulum Sistem Mayor-Minor yang berlaku mulai mahasiswa tahun masuk 2005/2006. Pada tahun 2005 Fakultas Ekologi Manusia didirikan di IPB Visi, Misi dan Tujuan IPB 1. Visi Institut Pertanian Bogor "Menjadi universitas riset terkemuka di asia dengan kompetensi utama pertanian tropika, berkarakter kewirausahaan, dan bersendikan keharmonisan". Acuan visi tersebut berdasarkan pada visi jangka panjang IPB yang telah dirumuskan pada tahun 2003 dan telah ditetapkan sebagai visi IPB 2025, yaitu Menjadikan IPB sebagai perguruan tinggi bertaraf internasional dalam pengembangan sumberdaya manusia dan IPTEKS dengan kompetensi utama di bidang pertanian tropika. Dasar acuan visi ini adalah rumusan rencana pembangunan jangka panjang Departemen Pendidikan Nasional , Renstra IPB

39 yang telah dirumuskan sebelum status IPB BHMN, dan draft Rencana Pengembangan IPB Senat Akademik IPB. 2. Misi Misi IPB yang digunakan merupakan misi dalam pengembangan IPB lima tahun ke depan (2012), yaitu : 1. Menyelenggarakan pendidikan tinggi bermutu tinggi dan pembinaan kemahasiswaan yang komprehensif dalam rangka meningkatkan daya saing bangsa. 2. Mengembangkan ilmu pengetahuan dan teknologi sesuai kebutuhan masyarakat pada masa sekarang dan kecenderungan pada masa yang akan datang. 3. Membangun sistem manajemen perguruan tinggi yang berkarakter kewirausahaan, efektif, efisien, transparan, dan akuntabel. 4. Mendorong terbentuknya masyarakat madani berdasarkan kebenaran dan hak azasi manusia. 3. Tujuan Tujuan yang harus dicapai IPB adalah : 1. Menghasilkan lulusan yang berkualitas yang mampu mengembangkan dan menerapkan IPTEKS. 2. Memberikan inovasi IPTEKS ramah lingkungan untuk mendukung pembangunan nasional dan memperbaiki kesejahteraan umat manusia. 3. Menjadikan IPB sebagai lembaga pendidikan tinggi yang siap menghadapi tuntutan masyarakat dan tantangan pembangunan yang berubah dengan cepat secara nasional dan global. 4. Menjadikan IPB sebagai kekuatan moral dalam masyarakat madani Indonesia Tujuan Pendidikan Program Sarjana merupakan program pendidikan akademik yang bertujuan menyiapkan mahasiswa menjadi warga negara yang beriman dan bertaqwa kepada Tuhan Yang Maha Esa, berjiwa Pancasila, memiliki integritas kepribadian yang tinggi, terbuka dan tanggap terhadap

40 28 perubahan dan kemajuan ilmu pengetahuan, dan masalah yang dihadapi masyarakat. Program Sarjana Institut Pertanian Bogor diarahkan pada hasil lulusan yang memiliki kualifikasi sebagai berikut : 1. Menguasai dasar-dasar ilmiah dan ketrampilan dalam bidang keahlian tertentu, sehingga mampu menemukan, memahami, menjelaskan, dan merumuskan cara penyelesaian masalah yang ada di dalam kawasan keahliannya. 2. Mampu menerapkan ilmu pengetahuan dan ketrampilan yang dimilikinya sesuai dengan bidang keahliannya dalam kegiatan produktif dan pelayanan kepada masyarakat dengan sikap dan perilaku yang sesuai dengan tata kehidupan bersama. 3. Mampu bersikap dan berperilaku dalam membawakan diri berkarya di bidang keahliannya maupun dalam berkehidupan bersama di masyarakat. 4. Mampu mengikuti perkembangan ilmu pengetahuan, teknologi dan/atau seni yang merupakan keahliannya Kurikulum 1. Kurikulum Program Sarjana IPB adalah kurikulum pendidikan tinggi yang merupakan seperangkat rencana dan pengaturan mengenai isi maupun bahan kajian dan pelajaran serta cara penyampaian dan penilaiannya yang digunakan sebagai pedoman penyelenggaraan kegiatan belajar-mengajar di IPB. 2. Tahun pertama pendidikan program sarjana di IPB diselenggarakan oleh Direktorat Program Pendidikan Tingkat Persiapan Bersama (TPB), bekerjasama dengan fakultas di lingkungan IPB. 3. Pengertian kurikulum Mayor-Minor adalah kurikulum berbasis kompetensi dimana setiap mahasiswa mengikuti pendidikan dalam salah satu mayor sebagai bidang keahlian (kompetensi) utama dan

41 29 dapat mengikuti pendidikan dalam salah satu bidang minor sebagai bidang keahlian (kompetensi) pelengkap. 4. Mayor merupakan bidang keahlian berdasarkan disiplin (keilmuan) utamanya pada suatu departemen atau fakultas, dimana mahasiswa dapat memperdalam kompetensinya (ilmu pengetahuan, ketrampilan, dan perilaku) tertentu dalam suatu paket matakuliah. 5. Minor merupakan bidang keahlian pelengkap yang diambil oleh mahasiswa yang berasal dari departemen lain di luar departemen utamanya (mayor). 6. Berdasarkan tujuan pendidikannya, matakuliah dalam kurikulum program sarjana terdiri dari matakuliah umum, mata kuliah mayor, matakuliah interdep, mata kuliah minor, dan matakuliah penunjang (supporting course). 7. Satuan kredit semester (SKS) adalah ukuran yang digunakan untuk menyatakan (1) besarnya beban studi mahasiswa, (2) ukuran keberhasilan usaha kumulatif bagi suatu program tertentu, (3) ukuran untuk beban penyelenggaraan pendidikan, khususnya bagi dosen. 8. Kurikulum program sarjana untuk suatu gelar kesarjanaan mempunyai beban studi sekurang-kurangnya 144 sks dan sebanyak-banyaknya 160 sks. Dalam hal mahasiswa mengambil mayor ganda atau mayor dan minor ganda dimungkinkan beban studi yang lebih besar.

42 Struktur Organisasi Institut Pertanian Bogor Struktur organisasi Insitut Pertanian Bogor dapat Dilihat pada gambar.5 dibawah ini: Gambar 5. Struktur organisasi Institut Pertanian Bogor (Sumber,Panduan Kemahasiswaan,2009) Penerimaan Mahasiswa Baru Calon mahasiswa Institut Pertanian Bogor adalah warga negara Indonesia atau asing lulusan Sekolah Lanjutan Tingkat Atas, lulusan program diploma (minimal D3), atau mahasiswa Perguruan Tinggi lain, nasional maupun internasional. Mahasiwa baru IPB adalah mahasiswa yang pertama kali mengikuti pendidikan di IPB. Penerimaan mahasiswa baru dilaksanakan oleh Panitia Penerimaan Mahasiswa Baru (PPMB) yang diangkat dengan Keputusan Rektor. Penerimaan lulusan SLTA untuk terdaftar sebagai mahasiswa baru program sarjana dilaksanakan melalui 5 (lima) jalur, yaitu : (1) Undangan Seleksi Masuk IPB (USMI); (2) Seleksi Penerimaan Mahasiswa Baru (SPMB); (3) Undangan Khusus bagi lulusan SLTA yang mempunyai