PREDIKSI TINGKAT KEBERHASILAN MAHASISWA TINGKAT I IPB DENGAN METODE k-nearest NEIGHBOR NINON NURUL FAIZA

Transkripsi

1 PREDIKSI TINGKAT KEBERHASILAN MAHASISWA TINGKAT I IPB DENGAN METODE k-nearest NEIGHBOR NINON NURUL FAIZA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009 i

2 PREDIKSI TINGKAT KEBERHASILAN MAHASISWA TINGKAT I IPB DENGAN METODE k-nearest NEIGHBOR NINON NURUL FAIZA Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009 ii

3 ABSTRACT NINON NURUL FAIZA. Predicting Successful of First year Students at IPB using k-nearest Neighbor. Under the direction of IMAS SUKAESIH SITANGGANG and ENDANG PURNAMA GIRI. Analysis of academic data and personal data of first-year students in IPB is necessary to predict the successful of their study in the end of the first year. One of techniques in classification that can be used for completing that task is k-nearest neighbor that will build a classifier. This research aimed to develop classifier to predict the successful of first year students at IPB. The attributes used in this research are selected based on target class-influenced statistic hipotesis test. Chi-square test is implemented for nominal attributes whereas Spearman Rank Correlation Coeficient test is used for selecting the numerical attribute. The result of this research is a classifier with accuracy 52.97%. Keywords: classification, k-nearest neighbor iii

4 Judul Nama NIM : Prediksi Tingkat Keberhasilan Mahasiswa Tingkat I IPB Dengan Metode k-nearest Neighbor : Ninon Nurul Faiza : G Menyetujui: Pembimbing I Pembimbing II Imas Sukaesih Sitanggang, S.Si., M.Kom. Endang Purnama Giri, S.Kom., M.Kom. NIP NIP Mengetahui Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr. Drh. Hasim, DEA NIP Tanggal Lulus: iv

5 PRAKATA Alhamdulillahi Rabbil alamin, puji dan syukur penulis panjatkan kepada Allah SWT atas limpahan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan tugas akhir dengan judul Prediksi Tingkat Keberhasilan Mahasiswa Tingkat I IPB dengan metode k-nearest Neighbor. Penelitian ini dilaksanakan mulai Februari 2009 sampai dengan Juni 2009, bertempat di Departemen Ilmu Komputer IPB. Banyak pihak yang memberikan bantuan, dukungan, saran, kritik, serta koreksi dalam menyelesaikan tugas akhir ini. Ucapan terima kasih penulis sampaikan kepada: 1 Bapak, Mamah, Mbak Luthfa, Mbak Tia, Hanip, dan Jijah yang merupakan penyulut semangat bagi penulis. Terima kasih atas kasih sayang yang tulus dan lantunan doa yang tak pernah putus. 2 Ibu Imas S. Sitanggang, S.Si., M.Kom. selaku pembimbing I dan Bapak Endang Purnama Giri, S.Kom., M.Kom. selaku pembimbing II atas kesediaannya meluangkan waktu untuk memberikan arahan selama pengerjaan tugas akhir. 3 Bapak Sony Hartono Wijaya, S.Kom., M.Kom selaku moderator dan dosen penguji. 4 Seluruh staf pengajar yang telah mendidik, membina, dan mengembangkan wawasan penulis selama menuntut ilmu di Departemen Ilmu Komputer. 5 Anindra Ageng Jihado dan Dimas CKP atas fasilitas yang diberikan saat seminar dan sidang. 6 Yuni Arti, sahabat terbaik yang senantiasa menjadi satu tim mulai dari perkuliahan, PKL, hingga menyelesaikan tugas akhir. 7 Sri Danuriati, sahabat terbaik yang selama 2 tahun setia menemani penulis dari pagi hingga pagi lagi, senantiasa memberikan semangat dan dukungan kepada penulis, dan bersedia menjadi tim sukses konsumsi selama penulis seminar dan sidang. 8 Zissalwa Hafsari, sahabat terbaik penulis selama 4 tahun yang senantiasa memberikan semangat dan dukungan kepada penulis. 9 Sahabat terbaik lainnya (Vera Yunita, Karina Gusriani, Tsamrul Fuad) yang telah mengisi harihari penulis dengan kegembiraan dan kebersamaan. 10 Teman-teman seperjuangan ilkomerz 42, serta pihak lain yang turut membantu baik secara langsung maupun tidak langsung dalam penyelesaian tugas akhir ini. Semoga karya ilmiah ini bermanfaat. Bogor, Juni 2009 Ninon Nurul Faiza v

6 RIWAYAT HIDUP Penulis dilahirkan di Cirebon pada tanggal 14 Maret 1987 sebagai anak ketiga dari lima bersaudara dari pasangan Bapak Nashrudin dan Ibu Komariyah. Penulis menyelesaikan pendidikan menengah atas di SMU Negeri I Cirebon dan lulus pada tahun Pada tahun yang sama penulis diterima sebagai mahasiswa Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI). Setelah menyelesaikan Tingkat Persiapan Bersama (TPB) pada Tingkat I, tahun 2006 penulis diterima sebagai mahasiswa Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Tahun 2008, penulis melaksanakan kegiatan praktik kerja lapangan di Badan Pengkajian dan Penerapan Teknologi (BPPT) selama dua bulan. Selain itu, penulis pernah menjadi asisten praktikum pada mata kuliah Sistem Pakar Mayor Ilmu Komputer IPB mulai bulan Februari 2009 sampai dengan bulan Juni vi

7 DAFTAR ISI Halaman DAFTAR TABEL...v DAFTAR GAMBAR... v DAFTAR LAMPIRAN... v PENDAHULUAN Latar Belakang... 1 Tujuan... 1 Ruang Lingkup... 1 Manfaat... 1 TINJAUAN PUSTAKA Klasifikasi dan Prediksi... 1 k-nearest Neighbor... 1 Normalisasi... 2 k-fold Cross Validation... 2 Confusion Matrix... 2 Koefisien Korelasi Peringkat Spearman... 2 Uji Kebebasan Chi-Square... 3 METODE PENELITIAN Pengadaan Data... 4 Praproses Data... 4 Penentuan Data Latih dan Data Uji... 5 Aplikasi Teknik Klasifikasi... 5 Jenis Percobaan dan Evaluasi Keluaran... 5 Lingkungan Pengembangan... 5 HASIL DAN PEMBAHASAN Data Penggabungan dan Pembersihan Data... 5 Pemilihan Data... 6 Transformasi Data... 7 Aplikasi Teknik Klasifikasi... 7 Penggunaan Classifier pada Data Baru KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN iv

8 DAFTAR TABEL Halaman 1 Confusion matrix dua kelas Tabel kontingensi antara jenis kelamin dan kelas target Nilai frekuensi harapan dan chi-square atribut jenis kelamin Hasil uji hipotesis Jumlah record data latih dan data uji percobaan Akurasi klasifikasi percobaan Matrix confusion untuk percobaan Akurasi setiap proses uji pada 10-fold cross validation percobaan Matrix confusion proses uji ke-8 percobaan Jumlah record data latih dan data uji percobaan Akurasi klasifikasi percobaan Matrix confusion untuk percobaan Akurasi setiap proses uji pada 10-fold cross validation percobaan Matrix confusion proses uji ke-6 percobaan Akurasi empat classifier Data tanpa label kelas Hasil prediksi data baru tanpa label kelas DAFTAR GAMBAR Halaman 1 Tahapan penelitian Histogram dengan k= Histogram dengan k= DAFTAR LAMPIRAN Halaman 1 Tabel kode jurusan mayor IPB tahun akademik 2007/ Tabel penentuan asal daerah Tabel kategorisasi atribut nominal dan kelas target Tabel kontingensi Nilai frekuensi harapan dan chi-square v

9 Latar Belakang PENDAHULUAN Institut Pertanian Bogor (IPB) setiap tahunnya menerima mahasiswa baru dengan berbagai jalur masuk. Pada tingkat I, mahasiswa baru tersebut menjalani Tingkat Persiapan Bersama (TPB) yang merupakan tingkat awal bagi mahasiswa dalam memasuki dunia perkuliahan. IPB menentukan kelulusan mahasiswa tingkat I berdasarkan hasil akademik mahasiswa pada akhir tingkat I. Mahasiswa yang berhasil lulus tingkat I dapat melanjutkan ke tingkat berikutnya. Analisis data akademik dan data diri mahasiswa IPB tingkat I perlu dilakukan untuk mengetahui tingkat keberhasilan mahasiswa IPB dalam menyelesaikan studi di tingkat I. Salah satu metode data mining yang dapat digunakan untuk membangun model klasifikasi (classifier) untuk menunjukkan tingkat keberhasilan mahasiswa tingkat I IPB adalah k- Nearest Neighbor. Tujuan Tujuan dari penelitian ini adalah: 1 Menerapkan metode k-nearest Neighbor untuk membangun model klasifikasi dari data akademik (IPK) dan data penerimaan mahasiswa baru (PPMB) IPB. 2 Memprediksi tingkat keberhasilan mahasiswa tingkat I IPB pada tahun selanjutnya dengan model terbaik yang diperoleh. Ruang Lingkup Ruang lingkup penelitian ini difokuskan pada: 1 Penggunaan data mahasiswa IPB tahun ajaran 2007 yang berasal dari PPMB dan Direktorat TPB. 2 Pemilihan atribut yang diperkirakan merupakan faktor penentu keberhasilan mahasiswa tingkat I menggunakan uji hipotesis statistika. 3 Penerapan teknik data mining klasifikasi menggunakan metode k-nearest Neighbor. Manfaat Model terbaik yang diperoleh diharapkan dapat digunakan untuk memprediksi tingkat keberhasilan mahasiswa-mahasiswa tingkat I IPB pada tahun selanjutnya, lebih lanjut IPB dapat memberikan treatment terhadap mahasiswa yang diprediksi drop out (memiliki tingkat keberhasilan rendah). TINJAUAN PUSTAKA Klasifikasi dan Prediksi Klasifikasi dan prediksi merupakan bentuk analisis data yang dapat digunakan untuk membangun model berdasarkan kelas data yang tersedia atau untuk memprediksi trend data selanjutnya (Han & Kamber 2006). Klasifikasi terdiri atas dua proses yaitu tahap induktif yang merupakan tahap membangun model klasifikasi dari data latih dan tahap deduktif yang merupakan tahap menerapkan model untuk data uji. Klasifikasi mempunyai dua teknik pembelajaran yaitu eager learners yang membuat model berdasarkan atribut input yang dipetakan terhadap kelas label setelah data latih tersedia dan lazy learners yang melakukan proses pemodelan dari data latih ketika ada data uji yang akan diklasifikasikan (Tan et al.2006). k-nearest Neighbor Kelemahan dari teknik lazy learners adalah hanya mampu mengklasifikasikan data uji jika dan hanya jika atributnya sesuai dengan salah satu data latih. Jika atribut data uji tidak sesuai dengan data latih maka tidak akan diklasifikasikan. k-nearest Neighbor merupakan teknik yang lebih fleksibel karena mampu mengklasifikasikan data uji ke dalam kelas label dengan cara mencari data latih yang relatif sama dengan data uji (Tan et al.2006). k-nearest Neighbor merepresentasikan setiap data sebagai titik dalam k-ruang dimensi. Jika ada sebuah data uji maka akan dihitung kedekatan titik data tersebut dengan titik data lainnya pada data latih untuk diklasifikasikan berdasarkan kedekatannya yang didefinisikan dengan ukuran jarak (Han & Kamber 2006). Analis data mendefinisikan ukuran kedekatan atau ukuran kesamaan menggunakan fungsi jarak. Fungsi jarak yang umumnya digunakan adalah jarak Euclidean (Larose 2005). dengan x= y= = selisih data uji dengan data latih m = jumlah atribut...(1) Penentuan klasifikasi data uji berdasar pada kelas utama (majority voting) pada nearest 1

10 neighbor dengan menggunakan rumus berikut ini: (2) dengan v adalah label kelas, y i adalah label kelas untuk satu nearest neighbor dan I adalah fungsi indikator yang mengembalikan nilai 1 jika pernyataan benar dan nilai 0 jika salah (Tan et al. 2006). Normalisasi Pada perhitungan jarak Euclidean, atribut berskala panjang dapat mempunyai pengaruh lebih besar daripada atribut berskala pendek. Untuk mencegah hal tersebut perlu dilakukan normalisasi terhadap nilai atribut (Larose 2005). Salah satu metode normalisasi adalah minmax normalization yang diterapkan untuk atribut kontinu. Formula untuk normalisasi atribut X adalah: (3) dengan X* adalah nilai setelah dinormalisasi, X adalah nilai sebelum dinormalisasi, min(x) adalah nilai minimum dari atribut, dan max(x) adalah nilai maksimum dari suatu atribut. Untuk atribut kategori digunakan rumus berikut: k-fold Cross Validation (4) k-fold cross validation dilakukan untuk membagi data latih dan data uji. k-fold cross validation mengulang k-kali untuk membagi sebuah himpunan contoh secara acak menjadi k subset yang saling bebas, setiap ulangan disisakan satu subset untuk pengujian dan subset lainnya untuk pelatihan (Fu 1994). Pada metode tersebut, data awal dibagi menjadi k subset atau fold yang saling bebas secara acak, yaitu S 1, S 2,, S k, dengan ukuran setiap subset kira-kira sama. Pada iterasi ke-i, subset S i diperlukan sebagai data pengujian dan subset lainnya diperlukan sebagai data pelatihan. Prosedur ini diulang sebanyak k-kali sedemikian sehingga setiap subset digunakan untuk pengujian tepat satu kali. Total akurasi ditentukan dengan menjumlahkan akurasi untuk semua k proses tersebut. Confusion Matrix Evaluasi model klasifikasi berdasar pada proporsi antara data uji yang diprediksi secara tepat dengan total seluruh prediksi (Tan et al.2006). Informasi mengenai klasifikasi sebenarnya (aktual) dengan klasifikasi hasil prediksi disajikan dalam bentuk tabel yang disebut confusion matrix seperti diperlihatkan pada Tabel 1. Tabel 1 Confusion matrix dua kelas Kelas hasil prediksi Kelas aktual Kelas1 Kelas2 Kelas1 a b Kelas2 c d Jumlah baris dan kolom pada tabel bergantung pada banyaknya kelas target. Akurasi merupakan proporsi jumlah prediksi yang tepat. Contoh perhitungan akurasi untuk tabel tersebut adalah: Koefisien Korelasi Peringkat Spearman (5) Korelasi peringkat merupakan ukuran yang menunjukkan derajat keeratan hubungan diantara dua peubah. Salah satu ukuran asosiasi yang dikenal yaitu Koefisien Korelasi Peringkat Spearman. Asumsi atau syarat yang harus dipenuhi pada korelasi ini antara lain (Daniel 1990): Data terdiri atas contoh acak n berpasangan pengamatan numerik atau bukan numerik. Tiap pasang pengamatan menunjukkan dua ukuran yang diperoleh dari objek atau individu yang sama. Langkah perhitungan koefisien korelasi peringkat Spearman (Daniel 1990): Jika data terdiri atas pengamatan dari suatu populasi bivariabel, ditunjukkan n pasang pengamatan yang diperoleh yaitu (X 1,Y 1 ), (X 2,Y 2 ),, (X n,y n ). Tiap X diperingkatkan terhadap seluruh pengamatan X lainnya dari nilai terkecil hingga terbesar. Peringkat nilai ke-i dari X ditunjukkan dengan R(X i ) dan R(X i ) = 1 jika X i nilai pengamatan terkecil dari X. Tiap Y diperingkatkan terhadap seluruh pengamatan Y lainnya dari nilai terkecil hingga terbesar. Peringkat nilai ke-i dari Y ditunjukkan dengan R(Y i ) dan R(Y i ) = 1 jika Y i nilai pengamatan terkecil dari Y. Jika ada nilai yang sama (ties) diantara X dan Y, digunakan peringkat rata-rata. 2

11 Jika data bukan numerik, maka mampu diperingkatkan. harus Hipotesis statistik adalah dugaan mengenai suatu populasi. Hipotesis yang dirumuskan dengan harapan akan ditolak disebut hipotesis nol (H 0 ) sedangkan hipotesis alternatif dilambangkan dengan H 1 (Walpole 1992). Hipotesis koefisien korelasi peringkat Spearman (Daniel 1990): H 0 : X dan Y saling bebas H 1 : X dan Y berhubungan langsung atau kebalikan Statistik uji yang digunakan adalah (Daniel 1990): dengan: (6) (7) d i : jumlah kuadrat beda antara peringkat record X ke-i dengan peringkat record Y ke-i R(X i ): peringkat record ke-i pada atribut X R(Y i ): peringkat record ke-i pada atribut Y n: banyaknya record r s : koefisien korelasi, dimana -1 r s 1 Jika ada nilai pengamatan yang sama (ties), nilai menggunakan rumus: dengan dimana (8) (9) (10) (11) (12) t x =banyaknya pengamatan X yang sama untuk nilai tertentu (untuk suatu peringkat) t y =banyaknya pengamatan Y yang sama untuk nilai tertentu (untuk suatu peringkat) Jika n>100, maka gunakan tabel normal (z) dengan: (13) Benar atau salahnya suatu hipotesis tidak akan pernah diketahui dengan pasti kecuali bila memeriksa seluruh populasi. Namun dalam kebanyakan situasi, hal itu tidak mungkin dilakukan. Oleh karena itu, dapat mengambil contoh acak dari populasi untuk memutuskan apakah hipotesis tersebut kemungkinan besar benar atau salah. Bukti dari contoh yang tidak konsisten dengan hipotesis yang dinyatakan tentu saja membawa pada penolakan hipotesis tersebut sedangkan bukti yang mendukung hipotesis membawa pada penerimaan hipotesis tersebut. Penerimaan suatu hipotesis statistik adalah karena tidak cukup bukti untuk menolaknya. Penolakan suatu hipotesis berarti menyimpulkan bahwa hipotesis itu salah (Walpole 1992). Kaidah keputusan hipotesis koefisien korelasi peringkat Spearman (Daniel 1990): Jika r s > nilai Tabel koefisien korelasi peringkat Spearman untuk n dan α(2) atau r s < nilai tabel ini, maka tolak H 0 dengan α adalah besarnya taraf nyata (tingkat error) dan dapat disimpulkan bahwa antara peubah satu dengan peubah lainnya tidak saling bebas (berpengaruh). Uji Kebebasan Chi-Square Hubungan diantara peubah kategorik dapat dilakukan melalui penggunaan uji kebebasan chi-square. Data dalam pengujian hubungan disajikan dalam bentuk tabel kontingensi. Bentuk umum tabel kontingensi, yaitu berukuran i baris j kolom. Hipotesis untuk menguji pengaruh antara peubah satu dengan peubah lainnya, yaitu (Freeman 1987): H 0 : Pij = Pi.Pj (tidak ada hubungan) H 1 : Pij Pi.Pj (terdapat hubungan) dengan Pi: peluang total atribut ke-i terhadap total data Pj: peluang total kelas ke-j terhadap total data Statistik uji yang digunakan adalah statistik 2 yang dirumuskan dengan (Freeman 1987) Eij = n (Pi) (Pj) = n (ni/n) (nj/n) = [(ni) (nj)]/n (14) 3

12 dengan n: total data (banyaknya pengamatan) Oij: frekuensi pengamatan Eij: frekuensi harapan n i : total data atribut ke-i n j : total data kelas ke-j Kaidah keputusan Jika 2 2 hitung > (db, ) tabel chisquare maka tolak H 0 dan dapat disimpulkan bahwa antara peubah satu dengan lainnya tidak saling bebas (berpengaruh). Derajat bebas (db) menunjukkan banyaknya parameter (informasi) minimum yang digunakan. Formula derajat bebas: db = (i 1) (j 1) dengan i=jumlah level atribut dan j=jumlah level kelas target. METODE PENELITIAN Penelitian ini dilakukan dalam beberapa tahap seperti diilustrasikan pada Gambar 1. Pengadaan Data Banyak studi yang telah lakukan untuk menjelaskan prestasi akademik atau memprediksi kesuksesan akademik dalam dunia pendidikan, salah satunya adalah studi yang dilakukan Parmentier pada tahun Parmentier menunjukkan bahwa prestasi akademik mahasiswa dipengaruhi oleh tiga kumpulan faktor, yaitu berbagai hal yang berhubungan dengan latar belakang pribadi mahasiswa (identitas, pendidikan, keluarga, dan lain-lain), keterlibatan atau tingkah laku mahasiswa terhadap pendidikan (partisipasi pada kegiatan pilihan, bertemu dengan profesor untuk bertanya atau memperoleh feedback pada ujian berkala, dan lain-lain), dan persepsi dari mahasiswa (persepsi mahasiswa terhadap konteks akademik, profesornya, kuliah, dan lain-lain) (Superby et al. 2005). Penelitian ini hanya menggunakan dua faktor Parmentier, yaitu faktor data pribadi mahasiswa dan faktor keterlibatan mahasiswa terhadap pendidikan. Data yang digunakan adalah data mahasiswa TPB IPB tahun ajaran 2007 yang berasal dari Panitia Penerimaan Mahasiswa Baru (PPMB) dan Direktorat Tingkat Persiapan Bersama (Direktorat TPB). Data tersebut terdiri dari dua kelompok data yaitu IPK dan Biodata. Biodata mahasiswa masuk ke dalam faktor data pribadi mahasiswa, sedangkan IPK masuk ke dalam faktor keterlibatan mahasiswa terhadap pendidikan. Data Latih Pengadaan Data Praproses Data Penentuan data latih dan data uji Pembentukan classifier menggunakan k-nearest Neihgbor classifier Penentuan akurasi Prediksi mahasiswa baru Data mahasiswa baru dengan label kelas Data Uji Data mahasiswa baru tanpa label kelas Gambar 1 Tahap penelitian. Pengelompokan mahasiswa untuk menganalisis tingkat keberhasilan mahasiswa tingkat I dibagi menjadi tiga kategori, yaitu low risk (memiliki kemungkinan/resiko rendah tidak lulus), medium risk (dibolehkan lulus berdasarkan ukuran yang diambil perguruan tinggi), dan high risk (memiliki kemungkinan/resiko besar tidak lulus atau drop out) (Superby et al. 2005). Praproses Data Tahapan yang dilakukan dalam praproses diantaranya : Penggabungan data, menggabungkan dua kelompok data yaitu Indeks Prestasi Mahasiswa (IPK) dan Biodata Mahasiswa. Pembersihan data, membuang data yang missing value. Pemilihan data, mengambil data yang relevan digunakan untuk proses analisis. Pada penelitian ini pemilihan data menggunakan uji hipotesis statistika yaitu Uji Kebebasan dan Uji Spearman. 4

13 Transformasi data, mengubah data ke bentuk yang dapat di-mine sesuai dengan perangkat lunak yang digunakan pada penelitian. Penentuan Data Latih dan Data Uji Dalam penelitian ini data terdapat dua metode uji yang digunakan yaitu pembagian data latih dan data uji dengan proporsi 70% data latih dan 30% data uji dan metode uji 10-fold cross validation. Aplikasi Teknik Klasifikasi Tahapan ini merupakan tahap yang penting karena pada tahap ini teknik klasifikasi diaplikasikan terhadap data. Teknik klasifikasi yang digunakan adalah k-nearest Neighbor. Langkah-langkah pada metode tersebut yaitu: Hitung jarak Euclidean: Pada tahap ini setiap data uji akan dihitung jaraknya ke setiap data latih untuk mengetahui ukuran kedekatan atau ukuran kesamaan antara data uji dengan data latih. Penentuan nilai k: Hal terpenting pada k- Nearest Neighbor adalah menentukan nilai yang tepat untuk k yang menunjukan jumlah tetangga terdekat. Majority voting: Penentuan kelas target untuk data uji berdasarkan kelas yang utama pada tetangga terdekat. Jenis Percobaan dan Evaluasi Keluaran Dalam penelitian ini dilakukan beberapa bentuk percobaan yang dibedakan berdasarkan jenis dataset dan metode pembagian data latih dan data uji. Jenis-jenis percobaan tersebut adalah: Percobaan menggunakan dataset yang proporsi record pada setiap kelas target tidak sama dengan metode uji 70% data latih dan 30% data uji. Percobaan menggunakan dataset yang proporsi record pada setiap kelas target tidak sama dengan metode uji 10-fold cross validation. Percobaan menggunakan dataset yang proporsi record pada setiap kelas target sama dengan metode uji 70% data latih dan 30% data uji. Percobaan menggunakan dataset yang proporsi record pada setiap kelas target sama dengan metode uji 10-fold cross validation. Selanjutnya akan dibentuk tabel confusion matrix dari setiap classifier untuk mengevaluasi klasifikasi yang dihasilkan metode k-nearest Neighbor. Lingkungan Pengembangan Spesifikasi perangkat keras dan perangkat lunak yang digunakan untuk penelitian ini adalah sebagai berikut: a Perangkat keras berupa komputer personal dengan spesifikasi: Prosesor Intel(R) Pentium(R) D CPU 2.80 GHz (2 CPUs) Memori DDR2 512 MB Harddisk 80 GB Keyboard dan mouse Monitor b Perangkat Lunak Data Sistem operasi Windows XP Professional Microsoft Excel 2007 sebagai media merapihkan data Microsoft Access 2007 sebagai media penggabungan data, pembersihan data, transformasi data QtOctave untuk menjalankan metode k-nearest neighbor HASIL DAN PEMBAHASAN Data IPK dengan format spreadsheet Excel terdiri dari 2989 record dan 4 atribut (Nama, NRP, IPK, dan Status Studi). Sedangkan data Biodata dengan format spreadsheet Excel terdiri dari 3010 record dan 41 atribut (NRP, jalur masuk, jenis kelamin, tempat lahir, tanggal lahir, status kawin, warganegara, agama, nama ayah, tahun lahir ayah, pendidikan ayah, pekerjaan ayah, pendapatan orang tua, nama ibu, tahun lahir ibu, pendidikan ibu, pendidikan orang tua, pekerjaan ibu, alamat orang tua, kode pos, wilayah telp orang tua, nomor telp orang tua, nama wali, alamat wali, nama darurat, alamat darurat, nomor telp darurat, nomor SMA, nama SMA, nomor induk, status SMA, tahun ijazah, jumlah mata pelajaran UAN, nilai UAN, prestasi, minat/hobi, listrik, golongan darah, tinggi badan, berat badan, dan riwayat kesehatan). Penggabungan dan Pembersihan Data Data IPK dan Biodata digabung menggunakan Microsoft Access berdasarkan kesamaan NRP pada kedua data. Pada data hasil gabungan data IPK dan Biodata ditambahkan 5

14 atribut baru yaitu atribut jurusan dengan ketentuan berdasarkan tabel kode jurusan mayor IPB tahun akademik 2007/2008 (Lampiran 1), penambahan atribut asal daerah berdasarkan asal SMA. Penentuan asal daerah sesuai dengan ketentuan pada Lampiran 2. Selain itu ditambahkan juga kolom kelas target yang ditentukan berdasarkan IPK dengan ketentuan: resiko rendah (IPK 2.76), resiko sedang (2 IPK<2.76), dan resiko tinggi (IPK<2). Selanjutnya dilakukan pemilihan atribut. Atribut yang tidak relevan dan atribut yang banyak mengandung missing value akan dihilangkan. Semua atribut terpilih yang bertipe nominal dan kelas target dikategorikan sesuai dengan ketentuan pada pada Lampiran 3. Record yang mengandung nilai kosong dan atau duplikat dihapus. Hasil akhir dari proses penggabungan data IPK dan Biodata terdiri dari 2785 record serta 9 atribut (jurusan, asal daerah, jalur masuk, jenis kelamin, pendapatan orang tua, pendidikan orang tua, nilai uan SMA, hobi, dan riwayat kesehatan) serta kolom kelas target. Pemilihan Data Dari 9 atribut yang ada akan dilakukan pemilihan atribut lagi menggunakan uji hipotesis statistika yaitu uji kebebasan chisquare dan uji korelasi peringkat Spearman. Uji kebebasan diterapkan untuk atribut yang bertipe nominal (jurusan, asal daerah, jalur masuk, jenis kelamin, pendapatan orang tua, pendidikan orang tua, hobi, dan riwayat kesehatan) sedangkan uji Spearman diterapkan untuk atribut yang bertipe numerik (nilai uan SMA). Uji kebebasan dan uji Spearman dilakukan untuk melihat hubungan antara setiap atribut dengan kelas target, apakah berpengaruh atau tidak. Jika berdasarkan uji yang dilakukan suatu atribut dinyatakan tidak berpengaruh, maka atribut tersebut dihilangkan, dan sebaliknya. Dalam hal ini, kelas target menunjukkan tingkat keberhasilan mahasiswa. Berikut merupakan salah satu contoh penerapan uji kebebasan pada atribut jenis kelamin. Penentuan hipotesis: H 0 : jenis kelamin tidak berhubungan dengan kelas target H 1 : jenis kelamin berhubungan dengan kelas target Sebelum dilakukan uji kebebasan, dibuat tabel kontingensi terlebih dahulu antara setiap atribut dengan kelas target. Tabel kontingensi antara atribut jenis kelamin dan kelas target dapat dilihat pada Tabel 2, sedangkan tabel kontingensi atribut lainnya dapat dilihat pada Lampiran 4. Tabel 2 Tabel kontingensi antara jenis kelamin dan kelas target Jenis Kelas target Total kelamin rendah sedang tinggi Perempuan Laki-laki Total Selanjutnya, dihitung nilai frekuensi harapan (E ij ) dan nilai chi-square ( 2 ) dari setiap tabel kontingensi. Hasil perhitungan E ij dan 2 hitung untuk atribut jenis kelamin diperlihatkan pada Tabel 3. Tabel 3 Nilai frekuensi harapan dan chi-square atribut jenis kelamin E i1 E i2 E i3 i1 2 i2 2 i hitung (db, α) = 2 (2, 0.05) 5.99 Jenis kelamin memiliki 2 level (perempuan dan laki-laki) dan kelas target memiliki 3 level (resiko rendah, resiko sedang, resiko tinggi) maka besarnya derajat bebas=(2-1) (3-1)=2. Nilai α yang digunakan yaitu sebesar Berdasarkan Tabel 3, nilai 2 hitung> 2 (2, α). Oleh karena itu, dapat disimpulkan bahwa pada taraf nyata α = 0.05, peubah jenis kelamin berpengaruh terhadap atribut kelas target. Untuk nilai frekuensi harapan dan chi-square atribut lainnya dapat dilihat pada Lampiran 5. Berdasarkan uji hipotesis yang telah dilakukan terhadap seluruh atribut, diperoleh hasil yang diperlihatkan pada Tabel 4. Tabel 4 Hasil uji hipotesis Atribut Jurusan Asal daerah Jalur masuk Jenis kelamin Pendapatan Pendidikan orang tua Hobi Riwayat kesehatan Nilai uan sma Keterangan terhadap kelas target Berpengaruh Berpengaruh Berpengaruh Berpengaruh Tidak Berpengaruh Tidak Berpengaruh Berpengaruh Tidak Berpengaruh Berpengaruh 6

15 Data akhir yang dihasilkan terdiri dari 2785 record dan 6 atribut yang berdasarkan uji hipotesis berpengaruh, yaitu: jurusan, asal daerah, jalur masuk, jenis kelamin, hobi, dan nilai uan SMA serta satu kolom kelas target. Dari 6 atribut yang digunakan pada penelitian ini 5 diantaranya merupakan data nominal yaitu: jurusan, asal daerah, jalur masuk, jenis kelamin, dan hobi. Sedangkan atribut nilai uan SMA merupakan data numerik. Pada atribut nilai uan SMA terdapat 10 record yang tidak relevan sehingga data yang digunakan dalam proses data mining terdiri dari 2775 record dan 6 atribut. Transformasi Data Karena adanya perbedaan range antar atribut maka perlu dilakukan normalisasi. Normalisasi yang dilakukan bergantung jenis datanya. Untuk atribut nilai uan SMA yang bertipe numerik, normalisasi menggunakan min-max normalization. Nilai maksimum atribut nilai uan SMA sebesar 29,67 sedangkan nilai minimum sebesar Contoh normalisasi untuk record pertama berdasarkan rumus normalisasi (persamaan 3) adalah: Meskipun atribut nilai uan SMA bertipe numerik tetapi bisa dinormalisasi dengan rumus tersebut karena atribut numerik termasuk dalam atribut kontinu. Pada penelitian ini perangkat lunak yang digunakan adalah QtOctave sehingga data yang digunakan disimpan dalam format yang dapat diolah dalam QtOctave yaitu format txt atau.m. Octave merupakan suatu perangkat lunak tiruan dari Matlab untuk komputasi numerik dan visualisasi data sedangkan QtOctave merupakan sebuah antar muka grafis yang dikembangkan untuk program Octave. Antar muka grafis ini dikembangkan untuk menambahkan beberapa fasilitas yang tidak terdapat pada program Octave yang langsung dijalankan dari shell command sehingga program Octave lebih mudah digunakan. Pada QtOctave, perintahperintah yang diberikan tidak dimasukkan secara langsung pada baris perintah, melainkan pada kotak teks masukkan yang terdapat pada bagian bawah dari jendela QtOctave. Aplikasi Teknik Klasifikasi Dari total data sebanyak 2775 record, diambil 1% data dari setiap kelas target yang akan dihilangkan kelas targetnya sebagai data tanpa label kelas yang akan diterapkan pada classifier terbaik. Jadi dataset untuk pembagian data latih dan data uji sebanyak 2747 record. Pada percobaan pertama, menggunakan seluruh dataset sebanyak 2747 record yang proporsi record pada setiap kelas target tidak sama dan metode uji yang digunakan 70% sebagai data latih sedangkan sisanya sebanyak 30% sebagai data uji. Jumlah record untuk data latih dan data uji dari setiap kelas diperlihatkan Tabel 5. Tabel 5 Jumlah record data latih dan data uji percobaan 1 Data latih Data uji Kelas record 443 record Kelas record 292 record Kelas record 89 record Total 1923 record 824 record Data tersebut kemudian diterapkan dalam metode k-nearest Neighbor melalui tahap-tahap berikut ini: 1 Setiap record data uji dihitung jaraknya ke setiap record data latih untuk mengetahui ukuran kedekatan antara data uji dengan data latih. Untuk data bertipe nominal, selisih antara data uji dengan data latih dilihat dari kesamaan nilai kedua data. Jika nilai data uji sama dengan nilai data latih maka selisihnya 0, tetapi jika nilai data uji berbeda dengan nilai data latih maka selisihnya adalah 1. Untuk data bertipe numerik, selisih antara data uji dengan data latih adalah pengurangan nilai data uji dengan nilai data latih. 2 Penentuan nilai k tetangga terdekat pada percobaan 1 dilakukan dengan mencoba nilai k mulai dari 5 sampai 70 dengan selang 5 angka dalam metode k-nearest Neighbor. Pada setiap percobaan dengan suatu nilai k dihitung akurasi classifier dan sebaran kelas target ditampilkan dalam histogram. Berdasarkan percobaan sampai nilai k=65, diperoleh bahwa sebaran kelas target mencakup ketiga kelas yaitu resiko rendah, sedang, dan tinggi. Jika nilai k dinaikkan menjadi 70, maka sebaran kelas target untuk kelas 3 (resiko tinggi) tidak tercakup seperti diperlihatkan Gambar 2 dan Gambar 3 7

16 Gambar 2 Histogram kelas target dengan k=65. Gambar 3 Histogram kelas target dengan k=70. Melihat kondisi tersebut, nilai k akan dipilih antara 5 sampai 65. Akurasi klasifikasi untuk nilai k=5 sampai k=70 diperlihatkan pada Tabel 6. Tabel 6 Akurasi klasifikasi percobaan 1 k akurasi k akurasi Berdasarkan tabel tersebut (Tabel 6) akurasi yang diperoleh selisihnya tidak terlalu jauh berbeda. Hal inilah yang menyebabkan percobaan nilai k menggunakan selang 5 angka. Akurasi paling tinggi diperoleh untuk k=65 sehingga pada percobaan ini classifier terbaik diperoleh pada jumlah tetangga terdekat sebanyak Setiap record data uji dapat ditentukan kelas targetnya berdasarkan kelas utama pada 65 tetangga terdekat. Untuk mengetahui record yang salah diklasifikasikan digunakan matrix confusion yang diperlihatkan Tabel 7. Tabel 7 Matrix confusion untuk percobaan 1 Kelas hasil prediksi Kelas Kelas 1 Kelas 2 Kelas 3 aktual Kelas Kelas Kelas Berdasarkan tabel tersebut (Tabel 7) kelas 1 yang tepat diklasifikasi sebagai kelas 1 sebanyak 351 record, kelas 1 yang salah diklasifikasi sebagai kelas 2 sebanyak 92 record, dan tidak ada kelas 1 yang salah diklasifikasi sebagai kelas 3. Kelas 2 yang tepat diklasifikasi sebagai kelas 2 sebanyak 41 record, kelas 2 yang salah diklasifikasi sebagai kelas 1 sebanyak 250 record, dan kelas 2 yang salah diklasifikasi sebagai kelas 3 sebanyak 1 record. Tidak ada kelas 3 yang tepat diklasifikasi sebagai kelas 3, kelas 3 yang salah diklasifikasi sebagai kelas 1 sebanyak 57 record, dan kelas 3 yang salah diklasifikasi sebagai kelas 2 sebanyak 32 record. Berdasarkan persamaan 5, besarnya akurasi adalah: akurasi = = Percobaan 2 menggunakan seluruh dataset sebanyak 2747 record yang proporsi record pada setiap kelas target tidak sama, menggunakan tetangga terdekat sebanyak 65 tetapi dengan metode uji 10-fold cross validation. Data dibagi menjadi 10 subset yang berbeda dengan jumlah yang hampir sama. Setiap kali sebuah subset digunakan sebagai data uji maka 9 subset lainnya menjadi data latih. Besarnya akurasi pada setiap proses uji diperlihatkan pada Tabel 8. Tabel 8 Akurasi setiap proses uji pada 10-fold cross validation percobaan 2 proses uji ke- akurasi

17 proses uji ke- akurasi Berdasarkan Tabel 8 akurasi terbaik diperoleh pada proses uji ke-8 yaitu sebesar Matrix confusion untuk proses uji ke-8 pada percobaan 2 adalah: Tabel 9 Matrix confusion proses uji ke-8 percobaan 2 Kelas hasil prediksi Kelas Kelas 1 Kelas 2 Kelas 3 aktual Kelas Kelas Kelas Berdasarkan tabel tersebut (Tabel 9) kelas 1 yang tepat diklasifikasi sebagai kelas 1 sebanyak 130 record, kelas 1 yang salah diklasifikasi sebagai kelas 2 sebanyak 17 record, dan tidak ada kelas 1 yang salah diklasifikasi sebagai kelas 3. Kelas 2 yang tepat diklasifikasi sebagai kelas 2 sebanyak 27 record, kelas 2 yang salah diklasifikasi sebagai kelas 1 sebanyak 71 record, dan tidak ada kelas 2 yang salah diklasifikasi sebagai kelas 3. Kelas 3 tidak ada yang tepat diklasifikasikan sebagai kelas 3, kelas 3 yang salah diklasifikasi sebagai kelas 1 sebanyak 17 record, dan kelas 3 yang salah diklasifikasi sebagai kelas 2 sebanyak 12 record. Berdasarkan persamaan 5, besarnya akurasi adalah: akurasi = = Akurasi rata-rata dari seluruh proses uji dengan 10 data uji yang berbeda pada percobaan kedua diperoleh sebesar Percobaan 3 menggunakan dataset yang proporsi record pada setiap kelas target seimbang dengan pembagian data 70% data latih dan 30% data uji. Jumlah record untuk data latih dan data uji dari setiap kelas diperlihatkan Tabel 10. Tabel 10 Jumlah record data latih dan data uji percobaan 3 Data latih Data uji Kelas record 89 record Kelas record 89 record Kelas record 89 record Total 624 record 267 record Pada percobaan 3 nilai k atau tetangga terdekat ditentukan lagi seperti halnya pada percobaan 1 dengan cara mencoba menerapkan nilai k mulai dari 5 sampai 65 dengan selang 5 angka kedalam metode k-nearest neighbor. Setiap menerapkan suatu nilai k dihitung akurasi klasifikasi tetapi tidak menampilkan histogram sebaran kelas target karena setiap kelas jumlahnya seragam. Akurasi klasifikasi untuk nilai k=5 sampai k=65 diperlihatkan pada Tabel 11. Tabel 11 Akurasi klasifikasi percobaan 3 k akurasi k akurasi Berdasarkan tabel tersebut (Tabel 11) akurasi yang paling tinggi diperoleh untuk k=50 sehingga pada percobaan ini jumlah tetangga terdekat adalah 50. Untuk mengetahui record yang salah diklasifikasikan digunakan matrix confusion yang diperlihatkan Tabel 12. Tabel 12 Matrix confusion untuk percobaan 3 Kelas hasil prediksi Kelas Kelas 1 Kelas 2 Kelas 3 aktual Kelas Kelas Kelas Berdasarkan tabel tersebut (Tabel 12) kelas 1 yang tepat diklasifikasi sebagai kelas 1 sebanyak 56 record, kelas 1 yang salah diklasifikasi sebagai kelas 2 sebanyak 22 record, dan kelas 1 yang salah diklasifikasi sebagai kelas 3 sebanyak 11 record. Kelas 2 yang tepat diklasifikasi sebagai kelas 2 sebanyak 42 record, kelas 2 yang salah diklasifikasi sebagai kelas 1 sebanyak 25 record, dan kelas 2 yang salah diklasifikasi sebagai kelas 3 sebanyak 22 record. Kelas 3 yang tepat diklasifikasi sebagai kelas 3 sebanyak 26 record, kelas 3 yang salah diklasifikasi sebagai kelas 1 sebanyak 28 record, dan kelas 3 yang salah diklasifikasi sebagai kelas 2 sebanyak 35 record. Berdasarkan persamaan 5, besarnya akurasi adalah: akurasi = =

18 Percobaan 4 dilakukan menggunakan dataset yang proporsi record pada setiap kelas target seimbang dengan metode 10-fold cross validation. Data dibagi menjadi 10 subset yang berbeda dengan jumlah yang hampir sama. Setiap kali sebuah subset digunakan sebagai data uji maka 9 subset lainnya menjadi data latih. Percobaan ini tetap menggunakan jumlah tetangga terdekat sebanyak 65 karena dataset percobaan 4 sama dengan dataset percobaan 3. Besarnya akurasi pada setiap proses uji diperlihatkan pada Tabel 13. Tabel 13 Akurasi setiap proses uji pada 10-fold cross validation percobaan 4 proses uji ke- akurasi Berdasarkan Tabel 13 akurasi terbaik diperoleh pada proses uji ke-6 yaitu sebesar Matrix confusion untuk proses uji ke-6 pada percobaan 4 adalah Tabel 14 Matrix confusion proses uji ke-6 percobaan 4 Kelas hadil prediksi Kelas Kelas 1 Kelas 2 Kelas 3 actual Kelas Kelas Kelas Berdasarkan tabel tersebut (Tabel 14) kelas 1 yang tepat diklasifikasi sebagai kelas 1 sebanyak 24 record, kelas 1 yang salah diklasifikasi sebagai kelas 2 sebanyak 5 record, dan kelas 1 yang salah diklasifikasi sebagai kelas 3 sebanyak 1 record. Kelas 2 yang tepat diklasifikasi sebagai kelas 2 sebanyak 14 record, kelas 2 yang salah diklasifikasi sebagai kelas 1 sebanyak 6 record, dan kelas 2 yang salah diklasifikasi sebagai kelas 3 sebanyak 9 record. Kelas 3 yang tepat diklasifikasi sebagai kelas 3 sebanyak 19 record, kelas 3 yang salah diklasifikasi sebagai kelas 1 sebanyak 2 record, dan kelas 3 yang salah diklasifikasi sebagai kelas 2 sebanyak 9 record. Berdasarkan persamaan 5, besarnya akurasi adalah: akurasi = = Akurasi rata-rata dari seluruh proses uji dengan 10 data uji yang berbeda pada percobaan 4 diperoleh sebesar Setiap percobaan yang dilakukan menghasilkan sebuah classifier, sehingga dari empat percobaan diperoleh empat buah classifier. Akurasi setiap classifier diperlihatkan pada Tabel 15. Tabel 15 Akurasi empat classifier Percobaan Model yang akurasi dihasilkan 1 classifier classifier classifier classifier Akurasi paling tinggi diperoleh pada classifier 4 yang dihasilkan dari percobaan 4 yaitu menggunakan dataset 891 record yang proporsi record pada setiap kelas target seimbang dengan metode uji 10-fold cross validation. Dengan demikian classifier 4 merupakan classifier terbaik yang dihasilkan dengan metode k Nearest Neighbor. Penggunaan Classifier pada Data Baru Classifier terbaik yang diperoleh digunakan untuk memprediksi label kelas pada data yang baru. Pada Tabel 16 diberikan contoh data baru tanpa label kelas yang akan diterapkan pada classifier. Tabel 16 Data tanpa label kelas jur jalur jenis asal hobi NEM kel

19 jur jalur jenis kel asal hobi NEM Hasil prediksi data baru tanpa label kelas diperlihatkan pada Tabel 17 Tabel 17 Hasil prediksi data baru tanpa label kelas record kelas prediksi data akademik dan biodata mahasiswa tingkat I IPB. 2 Classifier terbaik dihasilkan dari percobaan 4 yaitu menggunakan dataset 891 record yang proporsi record pada setiap kelas target seimbang dengan metode uji 10-fold cross validation. 3 Akurasi yang diperoleh pada classifier terbaik hanya sebesar 52.97%. 4 Classifier terbaik yang dihasilkan dapat digunakan untuk memprediksi keberhasilan mahasiswa baru IPB. 5 Atribut yang mempengaruhi tingkat keberhasilan mahasiswa tingkat I IPB berdasarkan uji hipotesis adalah jurusan, jalur masuk, jenis kelamin, asal daerah, hobi, dan nilai uan (NEM). Saran Pada penelitian ini masih terdapat beberapa kekurangan yang dapat diperbaiki pada penelitian selanjutnya. Beberapa saran yang dapat dilakukan antara lain: 1. Penggunaan metode lain untuk memperoleh classifier yang lebih baik, karena akurasi classifier dari k-nearest Neighbor hanya sebesar 52.97%. 2. Dibangun aplikasi sederhana yang dapat memprediksi keberhasilan mahasiswa baru dengan menerapkan model terbaik. Kesimpulan KESIMPULAN DAN SARAN Dari beberapa percobaan yang dilakukan terhadap data IPK dan Biodata dengan metode k-nearest Neighbor, diperoleh kesimpulan sebagai berikut: 1 Metode k-nearest Neighbor dapat digunakan untuk membuat classifier pada 11

20 DAFTAR PUSTAKA Daniel, Wayne W Applied Non Parametric Statistics Second Edition. Boston : PWS-Kend Publ.co. Freeman, Daniel H Applied Categorical Data Analysis. New York: Marcel Dekker, Inc. Fu L Neural Network In Computer Intelligence. Singapura: McGraw Hill. Han J, Kamber M Data Mining Concepts and Techniques. Morgan Kaufmann Publishers. Larose, Daniel T Discovering Knowledge in Data: An Introduction to Data Mining. John Wiley&Sons, Inc. Superby, J. F, et al Determination of factors influencing the achievement of the first-year university students using data mining methods. Belgia: Production and Operations Management Department, Catholic University of Mons. Tan, Pang-Ning,et al Introduction to Data Mining. Boston: Pearson Education, Inc. Walpole, Ronald E Pengantar Statistika. Ed ke-3. Jakarta: PT Gramedia Pustaka Utama. 12

21 LAMPIRAN 13

22 Lampiran 1 Tabel kode jurusan mayor IPB tahun akademik 2007/2008 Kode NRP A1 A2 A3 A4 B C1 C2 C3 C4 C5 D E1 E2 E3 E4 F1 F2 F3 G1 G2 G3 G4 G5 G6 G7 G8 H1 H2 H3 H4 I1 I2 I3 Jurusan Manajemen Sumberdaya Lahan Agronomi dan Hortikultura Proteksi Tanaman Arsitektur Lanskap Kedokteran Hewan Teknologi dan Manajemen Perikanan Budidaya Manajemen Sumberdaya Perairan Teknologi Hasil Perairan Teknologi dan Manajemen Perikanan Tangkap Ilmu dan Teknologi Kelautan Peternakan Manajemen Hutan Teknologi Hasil Hutan Konservasi Sumberdaya Hutan dan Ekowisata Silvikultur Teknik Pertanian Teknologi Pangan Teknologi Industeri Pertanian Statistika Meteorologi Terapan Biologi Kimia Matematika Ilmu Komputer Fisika Biokimia Ekonomi dan Studi Pembangunan Manajemen Agribisnis Ekonomi Sumberdaya dan Lingkungan Ilmu Gizi Ilmu Keluarga dan Konsumen Komunikasi dan Pengembangan Masyarakat 14

23 Lampiran 2 Tabel penentuan asal daerah Pulau JAWA KALIMANTAN MALUKU NUSA TENGGARA SUMATERA SULAWESI PAPUA Propinsi DKI Jakarta, Banten, Jawa Barat, Jawa Tengah, Jawa Timur, DIY Kalbar, Kalteng, Kaltim, Kalsel Maluku, Maluku utara Bali, NTB, NTT NAD, Sumut, Sumbar, Riau, Jambi, Sumsel, Bengkulu, Lampung, Kep. Riau, Kep. Bangka belitung Sulut, Sulsel, Sulteng, Gorontalo Papua, Papua barat 15

24 Lampiran 3 Tabel kategorisasi atribut nominal dan kelas target Kelas Target kategori rendah 1 sedang 2 tinggi 3 Jurusan kategori Manajemen Sumberdaya Lahan 1 Agronomi dan Hortikultura 2 Proteksi Tanaman 3 Arsitektur Lanskap 4 Kedokteran Hewan 5 Teknologi dan Manajemen Perikanan Budidaya 6 Manajemen Sumberdaya Perairan 7 Teknologi Hasil Perairan 8 Teknologi dan Manajemen Perikanan Tangkap 9 Ilmu dan Teknologi Kelautan 10 Peternakan 11 Manajemen Hutan 12 Teknologi Hasil Hutan 13 Konservasi Sumberdaya Hutan dan Ekowisata 14 Silvikultur 15 Teknik Pertanian 16 Teknologi Pangan 17 Teknologi Industeri Pertanian 18 Statistika 19 Meteorologi Terapan 20 Biologi 21 Kimia 22 Matematika 23 Ilmu Komputer 24 Fisika 25 Biokimia 26 Ekonomi dan Studi Pembangunan 27 Manajemen 28 Agribisnis 29 Ekonomi Sumberdaya dan Lingkungan 30 Ilmu Gizi 31 Ilmu Keluarga dan Konsumen 32 Komunikasi dan Pengembangan Masyarakat 33 Jenis kelamin kategori Perempuan 0 Laki-laki 1 Jalur masuk kategori USMI 1 SPMB 2 PIN 3 BUD 6 16

25 Lampiran 3 Lanjutan Pendapatan orang tua kategori (< 500) 1 (500<=P<1000) 2 (1000<=P<2500) 3 (2500<=P<5000) 4 (5000<=P<7500) 5 (>=7500) 6 Pendidikan orang tua Kategori Tidak sekolah 0 Tidak tamat SD 1 SD 2 SLTP 3 SLTA 4 Diploma 5 Sarjana muda 6 Sarjana 7 S2/Master 8 S3/Doktor 9 Riwayat kesehatan kategori Sehat 0 Hepatitis 1 Diabetes 3 Paru-paru 4 Tipus 5 Lain-lain 7 Minat/Hobi kategori Bidang khusus 1 OR 2 Keagamaan 3 Kesenian 4 Bela diri 5 Asal daerah kategori JAWA 1 KALIMANTAN 2 MALUKU 3 NUSA TENGGARA 4 SUMATERA 5 SULAWESI 6 PAPUA 7 LUAR INDONESIA 8 17

26 Lampiran 4 Tabel kontingensi a Atribut riwayat pendidikan Riwayat pendidikan Kelas Target Total rendah sedang tinggi Tidak tamat SD SD SLTP SLTA Diploma Sarjana muda Sarjana S2/Master S3/Doktor Total b Atribut jalur masuk Kelas Target Jalur Masuk rendah sedang tinggi Total 1 USMI SPMB PIN BUD Total c Atribut riwayat kesehatan Kelas Target Riwayat Kesehatan rendah sedang tinggi Total 0 Sehat Hepatitis Jantung Diabetes Paru-paru Tipus Hipertensi dll Total

27 Lampiran 4 Lanjutan d Atribut asal daerah Asal Daerah Kelas Target Total rendah sedang tinggi 1 JAWA KALIMANTAN MALUKU NUSA TENGGARA SUMATERA SULAWESI PAPUA LUAR INDONESIA Total e Atribut pendapatan Pendapatan Kelas Target Total rendah sedang tinggi 1 (< 500) (500<=P<1000) (1000<=P<2500) (2500<=P<5000) (5000<=P<7500) (>=7500) Total f Atribut hobi Hobi Kelas Target Total rendah sedang tinggi 1 Bidang khusus OR Keagamaan Kesenian Bela diri Total

28 Lampiran 4 Lanjutan g Atribut jurusan Jurusan Kelas Target Total rendah sedang tinggi MSL AGH Proteksi Lanskap FKH BDP MSP THP PSP ITK Fapet Menehe THH KSH Silvi TEP TPG TIN STAT GFM BIO KIM MAT KOM FIS BIOKIM IE MENE AGB ESL GIZI IKK KPM Total

29 Lampiran 5 Nilai frekuensi harapan dan chi-square a Atribut riwayat pendidikan E i1 E i2 E i3 i1 2 i2 2 i E E E hitung (db,α)= 2 (18,0.05) b Atribut jalur masuk E i1 E i2 E i3 i1 2 i2 2 i hitung (db,α)= 2 (6,0.05) c Atribut riwayat kesehatan E i1 E i2 E i3 i1 2 i2 2 i hitung (db,α)= 2 (14,0.05)

30 Lampiran 5 Lanjutan d Atribut asal daerah E i1 E i2 E i3 i1 2 i2 2 i hitung (db,α)= 2 (14, 0.05) e Atribut pendapatan E i1 E i2 E i3 i1 2 i2 2 i hitung (db,α)= 2 (10,0.05) f Atribut hobi E i1 E i2 E i3 i1 2 i2 2 i E hitung 2 (db,α)= 2 (8,0.05)