ANALISIS KELULUSAN MAHASISWA BERDASARKAN NILAI INDEKS PRESTASI MENGGUNAKAN METODE CLASSIFICATION AND REGRESSION TREES (CART)

Transkripsi

1 ANALISIS KELULUSAN MAHASISWA BERDASARKAN NILAI INDEKS PRESTASI MENGGUNAKAN METODE CLASSIFICATION AND REGRESSION TREES (CART) Ahmad Faisal Siregar 1 Rachmat Aulia 2 Jurusan Teknik Informatika Sekolah Tinggi Teknik Harapan Medan Jl. HM Jhoni No 70 Medan, Indonesia 1 Faisalsiregar33@yahoo.co.id Abstrak Tingkat kelulusan mahasiswa merupakan cerminan kualitas suatu perguruan tinggi. Kelulusan mahasiswa yang tepat waktu merupakan mahasiswa yang dapat menyelesaikan program strata 1 selama delapan semester (4 Tahun). Dengan banyak mahasiswa yang tidak dapat lulus tepat waktu berpengaruh terhadap perguruan tinggi baik bagi penilaian masyarakat. Oleh karena perlu adanya analisis penyebab mahasiswa tidak lulus tepat waktu. Salah satunya adalah memprediksi mahasiswa yang dapat lulus tepat waktu berdasarkan nilai IP yang didapat dari semester 1, semester 2 dan semester 3. Dengan adanya hasil prediksi kelulusan, maka perguruan tinggi dapat memberikan solusi bagi mahasiswa yang lulus tidak tepat waktu. Dalam penelitian ini prediksi kelulusan dengan menggunakan teknik data mining yang menggunakan data sample data mahasiswa yang telah lulus. Metode yang digunakan adalah metode CART (Classification And Regression Trees). CART adalah metode klasifikasi yang menggunakan data historis untuk membentuk decision tree yang dapat digunakan untuk mengklasifikasi data baru. Kata Kunci : Data Mining, CART, VB.Net Abstract The graduation rate of students is a reflection kulitas a college. Timely graduation is that students can complete the program strata 1 for eight semesters (four years). With many students who can not graduate on time affect the college is good for public review. Hence the need for analysis of the causes of students do not graduate on time. One is to predict which students can graduate on time based on the value of IP obtained from the semester 1, semester 2 and semester 3. With the predicted results of graduation, then college may provide a solution for students who do not graduate on time. In this study, graduation predictions using data mining techniques using data sample data of students who have graduated. The method used is the method of CART (Classification And Regression Trees). CART is a classification method that uses historical data to form a decision tree that can be used to classify new data. Key word : Data Mining, CART, VB.Net 1. Pendahuluan Seiring dengan kemajuan teknologi saat sekarang ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan seharihari, sehingga informasi akan menjadi suatu elemen penting dalam perkembangan masyarakat saat ini dan waktu mendatang. Namun kebutuhan informasi yang tinggi kadang tidak diimbangi dengan penyajian informasi yang memadai, sering kali informasi tersebut masih harus di gali ulang dari data yang jumlahnya sangat besar. Kemampuan teknologi informasi untuk mengumpulkan dan menyimpan berbagai tipe data jauh meninggalkan kemampuan untuk menganalisis, meringkas dan mengekstrak pengetahuan dari data. Metode tradisional untuk menganalisis data yang ada, tidak dapat menangani data dalam jumlah besar. Data mining merupakan cabang ilmu baru di bidang komputer, cukup banyak penerapan yang dapat dilakukannya. Hal itu ditunjang kekayaan dan keanekaragaman berbagai bidang ilmu (artificial intelligence, database, statistik, pemodelan matematika dan pengolahan citra) membuat penerapan data mining menjadi makin luas. Alasan utama mengapa data mining sangat menarik perhatian industri informasi dalam

2 beberapa tahun belakangan ini adalah karena tersedianya data dalam jumlah yang besar dan semakin besarnya kebutuhan untuk mengubah data tersebut menjadi informasi dan pengetahuan yang berguna. Data mining adalah kegiatan mengekstraksi atau menambang pengetahuan dari data yang berukuran/berjumlah besar, informasi inilah yang nantinya sangat berguna untuk pengembangan. (Heri Susanto, 2014) Dari latar belakang dan landasan teori diatas, masalah yang dibahas dalam penelitian ini yaitu bagaimana membangun aplikasi untuk memprediksi kelulusan agar instansi pendidikan dapat mengetahui dan mencari solusi bagi mahasiswa yang tidak dapat tamat tepat waktu, bagaimana membangun aplikasi prediksi kelulusan mahasiswa yang diambil dari data sampel mahasiswa yang telah tamat dengan menggunakan Nilai IP 5 semester dan bagaimana menerapkan metode CART pada sistem data mining untuk kelulusan mahasiswa. 2. Metode Penelitian Pada tahap penelitian ini, yaitu teknik data mining dengan metode CART (Classification And Regression Trees), dilakukan hal-hal berikut : a. Metode Observasi Metode ini dilakukan dengan cara penulis melakukan pengamatan terhadap obyek yang akan diteliti yaitu nilai indeks mahasiswa. b. Studi Literatur Mempelajari buku referensi yang berkaitan dengan teknik data mining dengan metode CART. c. Analisis dan Perancangan Sistem Menganalisis kelulusan mahasiswa menggunakan data Nilai IP 5 semester terakhir, data yang dijadikan sampel adalah data kelulusan mahasiswa STT-Harapan 2 tahun terkahir dan sistem dibangun dengan menggunakan bahasa pemrograman Visual Basic.Net 2013 dan menggunakan MySQL sebagai databasenya. d. Implementasi/coding Mengimplementasikan ke dalam bahasa program komputer. Dibangun menggunakan bahasa pemrograman Visual Basic.Net 2013 dan MySQL sebagai databasenya. 3. Hasil dan Pembahasan Pada tahap ini berisikan pembahasan hasil dari Aplikasi Prediksi Kelulusan Mahasiswa dengan menggunakan Algoritma CART Perangkat Lunak Pembangun Perangkat lunak pembangun menjelaskan perangkat lunak yang digunakan untuk membangun aplikasi. Adapun perangkat lunak yang digunakan untuk membangun aplikasi ini adalah sebagai berikut: 1. Windows 7 Home Premium sebagai sistem operasi. 2. Xampp, aplikasi untuk membuat server 3. Visual Studio 2010, sebagai perangkat lunak yang digunakan untuk membangun aplikasi 3.2. Perangkat Keras Pembangun Perangkat keras pembangun menjelaskan perangkat keras yang digunakan untuk membangun aplikasi. Adapun perangkat keras yang digunakan untuk membangun aplikasi ini adalah sebagai berikut: 1. Processor Intel Core i3-380m 2.53 GHz 2. RAM 2 GB 3. Harddisk 500 GB 3.3. Implementasi Antar Muka Implementasi ini dilakukan agar pemakai sistem dapat mengerti tentang bagaimana cara bekerja dari sistem ini. Aplikasi ini dapat digunakan oleh kampus untuk memprediksi mahasiswa yang dapat lulus tepat waktu dan tidak. Berikut adalah implementasi dari aplikasi pemesanan menu digital. a. Halaman Login Aplikasi Admin Halaman login adalah halaman awal yang akan muncul saat aplikasi dijalankan. Untuk dapat masuk ke aplikasi pengguna harus dapat login terlebih dahulu. Berikut tampilan halaman login. Gambar 1. Halaman Login

3 Pada gambar di atas, untuk memulai penggunaan aplikasi inputkan username dan password pada halaman login. Kemudian pilih tombol Login. Jika valid maka sistem akan menampilkan halaman utama. Namun jika tidak valid maka akan menampilkan pesan kesalahan. b. Halaman Utama Aplikasi Admin Ketika pengguna berhasil login, maka sistem akan menampilkan halaman utama. Pada halaman utama ini pengguna dapat melakukan beberapa kegiatan yang dapat dilakukan dengan memilih menu-menu yang terpada pada aplikasi. Berikut tampilan halaman utama. Gambar 2. Halaman Utama Aplikasi Admin c. Halaman Pengolahan Data Pengguna mengolah data pengguna yang menggunakan aplikasi ini. Berikut halaman pengolahan data pengguna. Gambar 4. Halaman Pengolahan Data Mahasiswa Untuk menambahkan data mahasiswa, klik tombol tambah isikan data-data yang terdapat pada form sisi kiri kemudian tekan tombol Simpan. Untuk mengedit data, klik salah satu data yang ingin diedit pada tabel, kemudian tekan tombol Edit. Edit data yang ingin diubah kemudian tekan Simpan untuk menyimpan data yang diedit. Untuk menghapus pilih data yang ingin dihapus tekan tombol Hapus. e. Halaman Pengolahan Data Sample mengolah data sampel yang digunakan untuk memprediksi kelulusan mahasiswa. Berikut halaman pengolahan data sample atau data training. Gambar 5. Halaman Pengolahan Data Training Gambar 3. Halaman Pengolahan Data Pengguna Untuk menambahkan data pengguna, isikan data-data yang terdapat pada entrian data kemudian tekan tombol Simpan. Untuk mengedit data tekan tombol Edit dan untuk menghapus tekan tombol Hapus. d. Halaman Pengolahan Data Mahasiswa mengolah data mahasiswa yang menggunakan aplikasi ini. Berikut halaman pengolahan data mahasiswa. Untuk menambahkan data training, klik tombol tambah isikan data-data yang terdapat pada form sisi kiri kemudian tekan tombol Simpan. Untuk mengedit data, klik salah satu data yang ingin diedit pada tabel, kemudian tekan tombol Edit. Edit data yang ingin diubah kemudian tekan Simpan untuk menyimpan data yang diedit. Untuk menghapus pilih data yang ingin dihapus tekan tombol Hapus.

4 f. Halaman Hasil Prediksi melihat hasil prediksi kelulusan mahasiswa. Berikut halaman hasil data prediksi. Gambar 6. Halaman Hasil Prediksi Kelulusan Pada gambar di atas halaman menampilkan hasil prediksi kelulusan mahasiswa. Hasil prediksi dilakukan dengan menggunakan algoritma data mining CART. Pada hasil kelulusan akan ditampilkan apakah mahasiswa dapat tamat tepat waktu atau tidak. 4. Kesimpulan dan Saran Berdasarkan pembahasan yang telah diuraikan pada bab-bab sebelumnya, maka dapat di ambil kesimpulan dan saran Kesimpulan 1. Sistem yang dibangun dapat membantu pihak kampus dalam memprediksi mahasiswa yang akan tamat tepat waktu dan tidak tepat waktu. 2. Aplikasi ini dibangun dengan menggunakan metode CART dalam memprediksi mahasiswa yang tepat waktu dan tidak tepat waktu dengan data sample. 3. Dengan adanya sistem prediksi mahasiswa tersebut, pihak kampus dapat memberikan solusi bagi mahasiswa yang diperiksi tidak tepat waktu Saran Saran-saran yang dapat penulis berikan adalah sebagai berikut : 1. Sistem ini belum sempurna masih banyak kekurangan sehingga dapat dikembangkan lagi. 2. Belum adanya sistem keamanan pada aplikasi ini diharapkan dapat dikembangkan dengan menerapkan sistem keamanan pada database. 3. Agar dapat dikembangkan pada perangkat lain seperti berbasis web ataupun mobile. 5. Daftar Pustaka 1. Budanis Dwi Meilani Penentuan Pola Yang Sering Muncul Untuk Penerima Kartu Jaminan Kesehatan Masyarakat (Jamkesmas) Menggunakan Metode Fp-Growth. Insitut Teknologi Adhi Tama Surabaya, Seminar Nasional Inovasi Dalam Desain Dan Teknologi - Ideatech Chandra, Kharisma Klasifikasi Kelompok Konsumen Menggunakan Metode K-Means Dan Segmentasi Model Fuzzy Rfm (Recency, Frequency, Monetary), Universitas Islam Negeri Sultan Syarif Kasim Riau Pekanbaru 3. Daswati, Oktaviani, Studi Algoritma CART dengan Induksi Fuzzy dalam Mengklasifikasikan Data. Universitas Sumatera Utara, Medan 4. Susanto, Heri Data Mining Untuk Memprediksi Prestasi Siswa Berdasarkan Sosial Ekonomi, Motivasi, Kedisiplinan Dan Prestasi Masa Lalu. Universitas Negeri Yogyakarta, Jurnal Pendidikan Vokasi, Vol 4, Nomor 2, Juni Irene, Wandira Irene (2014). Penerapan Algoritma C5.0 Dalam Pengklasifikaian Data Mahasiswa Universitas Negeri Gorontalo.Other thesis, Universitas Negeri Gorontalo. 6. Daely Analisis Statistik Faktor- Faktor Yang Mempengaruhi Indeks Prestasi Mahasiswa. Saintia Matematika vol. 1, no. 5 (2013), pp Damayanti Aplikasi Algoritma CART Untuk Mengklasifikasikan Data Nasabah Asuransi Jiwa Bersama Bumiputera 1912 Surakarta. 8. Ridwan, Mujib, Hadi Suyono, M Sarosa Penerapan Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes Classifer. 9. Ndehedehe, C., Simeon, O. & Ekpa, A., Spatial Image Data Mining Using

5 K-Means Analysis: A Case Study of Uyo Capital City, Nigeria. International Journal of Advanced Research, I(7), pp Ong, J. O Implementasi Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing President University(12): Rahmayuni, Indri Perbandingan Performansi Algoritma C4.5 dan Cart dalam Prediksi Data Nilai Mahasiswa Prodi Teknik Komputer Politeknik Negeri Padang. Jurusan Teknologi Informasi Politeknik Negeri Padang