PENERAPAN ALGORITMA C4.5 UNTUK MENGETAHUI POLA MINAT KERJA DAN BAKAT MAHASISWA DI STMIK LPKIA BANDUNG

Transkripsi

1 PENERAPAN ALGORITMA C4.5 UNTUK MENGETAHUI POLA MINAT KERJA DAN BAKAT MAHASISWA DI STMIK LPKIA BANDUNG 1 Ati Suci Dian Martha, 2 Yogi Widia Ramdhan 1 Program Studi Teknik Informatika STMIK LPKIA 2 Program Studi Sistem Informasi STMIK LPKIA Jln. Soekarno Hatta No. 456 Bandung 40266, Telp , Fax aciantha@gmail.com 2 yogi.w.ramdhan@gmail.com Abstraksi Dunia kerja merupakan salah satu tujuan akhir bagi mahasiswa setelah selesai kuliah. Berbagai macam ilmu dan teori yang didapat oleh mahasiswa, tentunya sangat berhubungan erat dengan dunia kerja. Memasuki dunia kerja menandakan dimulainya peran dan tanggung jawab baru bagi mahasiswa. Namun jenjang karir mahasiswa tentunya akan ditentukan oleh mahasiswa sendiri. Maka dibutuhkan lah suatu pembentukan pola minat kerja agar mengetahui bagaimana mahasiswa memilih jenjang karir yang sesuai dengan kemampuannya dalam bidang akademiknya. Penerapan data mining algoritma C4.5 dapat digunakan untuk menyusun sistem yang mempunyai kemampuan dalam mengetahui pola minat kerja mahasiswa. Penggunaan data mining dapat digunakan sebagai pertimbangan dalam mengambil keputusan lebih lanjut tentang faktor yang mempengaruhi pemilihan kerja yang diminati oleh mahasiswa Kata kunci : Minat Kerja, Bakat, Data Mining, C Pendahuluan Dunia kerja merupakan salah satu tujuan akhir bagi mahasiswa setelah selesai kuliah. Berbagai macam ilmu dan teori yang didapat oleh mahasiswa, tentunya sangat berhubungan erat dengan dunia kerja. Memasuki dunia kerja menandakan dimulainya peran dan tanggung jawab baru bagi mahasiswa. Minat merupakan salah satu faktor psikologis manusia yang sangat penting untuk kemajuan manusia dan keberhasilan pada diri seseorang. Seseorang yang berminat pada pekerjaan tertentu akan memperoleh hasil yang lebih baik daripada yang kurang atau tidak berminat pada pekerjaan tersebut. STMIK LPKIA merupakan salah satu institusi pendidikan. STMIK LPKIA terdiri dari dua jurusan yaitu Sistem Informasi dan Teknik Informatika. Setiap jurusan memiliki tujuan dalam mencapai prospek prospek kerja yang sesuai. Namun jenjang karir mahasiswa tentunya akan ditentukan oleh mahasiswa sendiri. Maka dibutuhkan lah suatu pembentukan pola minat kerja agar mengetahui bagaimana mahasiswa memilih jenjang karir yang sesuai dengan kemampuannya dalam bidang akademiknya. Penerapan data mining algoritma C4.5 dapat digunakan untuk menyusun sistem yang mempunyai kemampuan dalam mengetahui pola minat kerja mahasiswa. Penggunaan data mining dapat digunakan sebagai pertimbangan dalam mengambil keputusan lebih lanjut tentang faktor yang mempengaruhi pemilihan kerja yang diminati oleh mahasiswa. Berdasarkan latar belakang yang telah dijelaskan di atas maka identifikasi permasalahan penelitian ini adalah dibutuhkannya pembentukan pola minat kerja dan bakat mahasiswa untuk mengetahui kurangnya pengetahuan mengenai informasi jumlah mahasiswa yang telah sesuai dan tidak sesuai dengan prospek kerja jurusannya. Adapun tujuan dari penelitian ini adalah mengimplementasikan algoritma C4.5 dengan memberikan hasil evaluasi pola minat dan bakat mahasiswa untuk mengetahui banyaknya jumlah mahasiswa yang sesuai dan tidak sesuai dalam prospek kerja yang sejalan dengan 1.1 Landasan Teori Data Mining merupakan analisis dari peninjauan kumpulan data untuk menemukan hubungan yang tidak diduga dan meringkas data dengan cara yang berbeda dengan cara yang berbeda dengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data. Data Mining merupakan bidang dari beberapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistic, database, dan visualisasi untuk penanganan permasalahan pengambilan informasi dari database yang besar. (Larose 2015)

2 Data Mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukan a. Classification : Suatu teknik dengan melihat pada kelakuan dan atribut dari kelompok yang telah didefinisikan. Teknik ini dapat memberikan klasifikasi pada data baru dengan memanipulasi data yang ada yang telah diklasifikasi dan dengan menggunakan hasilnya untuk memberikan sejumlah aturan. b. Association : Digunakan untuk mengenali kelakuan dari kejadian kejadian khusus atau proses dimana hubungan asosiasi muncul pada setiap kejadian. c. Clustering : Digunakan untuk menganalisis pengelompokkan berbeda terhadap data, mirip dengan klasifikasi, namun pengelompokkan belum didefinisikan sebelum dijalankannya tool data mining. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Algoritma C4.5 dapat menangani data numerik dan diskret. Algoritma C.45 menggunakan rasio perolehan (gain ratio). Sebelum menghitung rasio perolehan, perlu dilakukan perhitungan nilai informasi dalam satuan bits dari suatu kumpulan objek, yaitu dengan menggunakan konsep entropi (Aprilla, et all, 2012). Entropy dapat dikatakan sebagai kebutuhan bit untuk menyatakan suatu kelas. Semakin kecil nilai Entropy maka akan semakin Entropy digunakan dalam mengekstrak suatu kelas. Besarnya Entropy pada ruang sampel S didefinisikan dengan (1): n Entropy(S) i=1 pi log 2 pi (1) Pohon Keputusan (Decision tree) adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Decision tree merupakan metode klasifikasi yang paling popular digunakan. Selain karena pembangunannya relatif cepat, hasil dari model yang dibangun mudah untuk dipahami. (Han, Pei, & Kamber, 2012) c. Leaf node atau terminal node, merupakan node akhir, pada node ini hanya terdapat satu input dan tidak mempunyai output. Contoh dari pohon keputusan dapat dilihat di Gambar berikut ini. Gambar 1 Decision Tree (Han, Pei, & Kamber, 2012) 2. Gambaran Perangkat Lunak 2.1 Aliran Proses Use Case Diagram Use case diagram menggambarkan fungsionalitas yang diharapkan dari sistem dan merepersentasikan interaksi antara actor dengan sistem Class Diagram Gambar 2 Usecase Diagram Class Diagram sebuah spesifikasi yang jika diinstansiasi akan menghasilkan sebuah objek dan merupakan inti dari pengembangan dan desain berorientasi objek. Class menggambarkan keadaan (atribute/property) suatu sistem, sekaligus menawarkan layanan untuk memanipulasi keadaan tersebut (metode/fungsi) Pada Pohon keputusan (Decision tree) terdapat 3 jenis node (Han, Pei, & Kamber, 2012), yaitu: a. Root Node, merupakan node paling atas, pada node ini tidak ada input dan bisa tidak mempunyai output atau mempunyai output lebih dari satu. b. Internal Node, merupakan node percabangan, pada node ini hanya terdapat satu input dan mempunyai output minimal dua. Gambar 3 Class Diagram 2.2 Perancangan Antarmuka Perancangan antarmuka ini bertujuan untuk memberikan gambaran mengenai bentuk antarmuka

3 dari perangkat lunak yang akan digunakan oleh user untuk berinteraksi dengan perangkat lunak. Rancangan antarmuka ini mempertimbangkan berbagai kemudahan dan fungsionalitas dari perangkat lunak itu sendiri Antarmuka Kelola Mahasiswa Gambar 6 Antarmuka Kelola Data Mining Penjelasan Antarmuka Kelola Mahasiswa Gambar 4 Antarmuka Kelola Mahasiswa Penjelasan Antarmuka Kelola Mahasiswa 1. Telah masuk sebagai Kaprodi 2. Tekan list mahasiswa untuk melihat daftar nama mahsiswa. 3. Tekan tambah mahasiswa untuk menambahkan data mahasiswa. 4. Tekan tombol View disamping table nama mahasiswa untuk melihat detail data mahasiswa. 5. Tekan tombol Update disamping table nama mahasiswa untuk mengubah data mahasiswa. 6. Tekan tombol Delete disamping table nama mahasiswa untuk menghapus data mahasiswa. Gambar 5 Antarmuka Kelola Nilai Mahasiswa Penjelasan Antarmuka Kelola Nilai 1. Telah masuk sebagai Kaprodi 2. Tekan tambah nilai untuk menambahkan data nilai. 3. Tekan tombol View disamping table nama mahasiswa untuk melihat detail data nilai. 4. Tekan tombol Update disamping table nama mahasiswa untuk mengubah data nilai. 5. Tekan tombol Delete disamping table nama mahasiswa untuk menghapus data nilai. 1. Telah masuk sebagai Kaprodi 2. Tekan list datamining untuk melihat data. 3. Tekan tambah data untuk menambahkan data training data mining. 4. Tekan tombol View disamping table untuk melihat detail data mahasiswa. 5. Tekan tombol Update disamping table untuk mengubah data mahasiswa. 6. Tekan tombol Delete disamping table untuk menghapus data mahasiswa. 7. Tekan tombol lakukan mining untuk menghasilkan perhitungan data mining menggunakan algoritma C4.5 dan menghasilkan decision tree. 2.3 Pseudocode Pseudocode adalah deskripsi dari algoritma pemrograman computer yang menggunakan struktur sederhana dari beberapa bahasa pemograman tetapi bahasa tersebut hanya ditujukan agar dapat dibaca manusia. Biasanya yang ditulis dari pseudocode adalah variable dan fungsi. Tabel 1 Pseudecode Lihat Pola Minat Kerja Nama Modul Lihat Pola Minat Kerja Kegunaan Menghasilkan Pola Minat Kerja berdasarkan Algoritma C4.5 Input Jumlah Kasus Output Pola Minat Kerja Algoritma BEGIN FOR EACH Atribut > Jumlah Kasus Hitung Entropy Hitung Gain Hitung Split_info END FOR FOR EACH ROW IF ROW = SESUAI Cetak SESUAI ELSE IF ROW = TIDAK SESUAI Cetak Tidak Sesuai ELSE IF ROW =? Cetak Sesuai/Tidak Sesuai

4 END END IF END FOR 3.2 Implementasi Antarmuka 3. Implementasi Sub bab ini menjelaskan langkah langkah serta jadwal pelaksanaan untuk mengimplementasikan rancangan perangkat lunak yang di gambarkan dengan menggunakan CPM (Critical Path Method). Langkah langkah dalam kegiatan pengimplementasian sistem adalah sebagai berikut : 1 : Installasi Software dan Hardware 2 : Identifikasi Kebutuhan 3 : Perancangan Sistem 4 : Perancangan Database 5 : Penulisan Kode 6 : Pengujian Perangkat Lunak 7 : Evaluasi dan Perbaikan Gambar 7 Antarmuka Kelola Mahasiswa Tampilan antarmuka kelola mahasiswa untuk mengimport data maka harus memilih file dengan extension csv Tabel 2 Aktivitas Implementasi Aktivit as Predeces sor Waktu (Ming gu) ES (Ming gu) EF (Ming gu) 1 (Tidak ada) , Gambar 8 Antarmuka Kelola Nilai Tampilan antarmuka kelola nilai mahasiswa untuk mengimport data maka harus memilih file dengan extension csv Gambar 4 Network Diagram CRM Gambar 5 Gantt Chart Gambar 9 Antarmuka Kelola Data Mining Tampilan antarmuka kelola data mining jika menekan tombol lakukan mining maka sistem akan melakukan proses data mining. 3.1 Lingkup dan Batasan Lingkup dan batasan implementasi perangkat lunak pola minat mahasiswa STMIK LPKIA adalah Kaprodi hanya dapat menginput atau mengimport data dengan file extension.csv

5 Tabel 2 Tabel Mata Kuliah Bidang Sistem Informasi Mata Kuliah Sistem Informasi Pemograman Algoritma & Pemograman Jaringan Komputer Jaringan Komputer Gambar 10 Antarmuka Tabel perhitungan Tabel ini adalah table perhitungan dari algoritma C4.5 Tabel ini otomatis terbuat jika setelah proses data mining selesai. Pada tabel di bawah ini implementasi perhitungan kasus algoritma C4.5 untuk melihat pola minat kerja & bakat mahasiswa berdasarkan 3 nilai mata kuliah yaitu Sistem Informasi, Jaringan Komputer 1 dan Algoritma & Pemograman. Dengan nilai masing-masing mata kuliah adalah A, B, C. Mata kuliah ini dijadikan atribut awal dalam implementasi Algoritma C4.5 disertai dengan atribut atribut yang telah melalui pre processing. dan aribut tujuannya adalah keterangan kesusaian dengan nilai dari atribut keterangan kesusian adalah sesuai dan tidak sesuai. Gambar 11 Antarmuka Output Decision Tree Decision tree terbuat setelah melakukan proses data mining. 3.3 Implementasi Algoritma Data Mining Proses penggalian data dimulai dari pengumpulan data. Data didapat dari hasil kuesioner saat penelitian yang di isi oleh mahasiswa STMIK LPKIA. Lapangan pekerjaan yang umum bagi calon sarjana Sistem Informasi antara lain System Analyst, Mis Manager, Programmer. Sedangkan untuk Teknik Informatika antara lain Computer Network Specialist, Programmer/Application Developer, Web Designer. Dalam penelitian ini, lapangan pekerjaan tersebut dikelompokkan menjadi tiga kategori yakni Analyst,Programmer, Engineer. Data mahasiswa tersebut akan dilengkapi dengan data nilai akademik yang diperoleh saat masih kuliah. Mata kuliah yang dijadikan pertimbangan antara lain mata kuliah Sistem Informasi, Algoritma Pemograman, Jaringan Komputer. Mata kuliah tersebut merupakan beberapa mata kuliah dasar di tingkat dasar dan beberapa mata kuliah lanjutan di masing - masing konsentrasi bidang yang ditempuh di tingkat atas. Pembagian konsentrasi bidang tersebut dapat dilihat di Tabel 2. Dalam kasus yang tertera akan dibuat pohon keputusan untuk menentukan kesesuaian minat dengan bakat mahasiswa. Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut : a. Pilih atribut akar. b. Buat cabang untuk tiap-tiap nilai. c. Bagi kasus dalam cabang. d. Ulangi proses unutk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama. Untuk memilih atribut sebagai akar, didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada. Untuk menghitung gain, seharusnya kita harus mencari nilai entropy terlebih dahulu. Berikut hasil perhitungan yang telah dilakukan. Berikut ini adalah penjelasan lebih terperinci mengenai tiap-tiap langkah dalam pembentukan pohon keputusan dengan menggunakan algoritma C4.5 untuk menyelesaikan permasalahan pada kasus ini. a. Menghitung jumlah kasus untuk keputusan sesuai, jumlah kasus untuk keputusan tidak sesuai, Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut jurusan, minat, nilai SI, nilai Jarkom, dan nilai Pemograman. Setelah itu, lakukan penghitungan gain untuk setiap atribut b. Menghitung jumlah kasus, jumlah kasus untuk keputusan sesusai, jumlah kasus

6 untuk keputusan tidak sesuai, dan entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut jurusan, minat, nilai sistem informasi, dan nilai jaringan komputer yang dapat menjadi node akar dari nilai atribut adalah Nilai Praktek Pemograman C. Setelah itu, lakukan penghitungan Gain untuk tiap-tiap atribut. c. Menghitung jumlah kasus, jumlah kasus untuk keputusan sesuai, jumlah kasus untuk keputusan tidak sesuai, dan entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut jurusan, minat dan nilai jarkom yang dapat menjadi node akar dari nilai atribut adalah Nilai Sistem Informasi. Setelah itu, lakukan penghitungan Gain untuk tiap-tiap atribut 4. Hasil Pengujian Dari perhitungan yang telah dilakukan maka pohon keputusan yang terbentuk sampai tahap akhir ditunjukan pada gambar berikut Gambar 12 Hasil Decision Tree Berdasarkan gambar decision tree di atas maka ditemukan pola dari root node pertama yaitu Nilai Pemograman bahwa mahasiswa dengan nilai A maka antara bakat dan minat kerja sebagai Programmer sudah sesuai, Sedangkan mahasiswa dengan nilai B dalam hasil decision tree menandakan bahwa mahasiswa tersebut tidak sesuai antara minat kerja dan bakatnya. Hal ini berkemungkinan bahwa mahasiswa tersebut berbakat di bidang lain. Sedangkan untuk mahasiwa dengan nilai C dalam decision tree menghasilkan cabang baru, dari cabang baru tersebut attribute Nilai Sistem Informasi dipilih sebagai cabang antara minat kerja & bakatnya sudah sesuai. Sedangkan mahasiswa dengan nilai B dari hasil decision tree adalah tidak sesuai. Untuk mata kuliah sistem informasi dengan nilai C menghasilkan cabang baru kembali dengan cabang attribute Minat. Hal ini menandakan bahwa mahasiswa dengan nilai sistem informasi C berpotensi dalam bakat di bidang lain. Beberapa saran yang dapat diberikan adalah sebagai berikut :: 1. Untuk import data masih dilakukan per table. Untuk pengembangan selanjutnya lebih baik jika import data bisa dilakukan dengan banyak table. 2. Untuk hasil output dari data mining dengan algoritma C4.5 masih menggunakan decision tree berbentuk teks. Untuk pengembangan selanjutnya lebih baik jika hasil output berupa decision tree berbentuk gambar atau visual. DAFTAR PUSTAKA [1] Aprilla, D., Baskoro, D. A., Ambarwati, L., & Simri, I. W. (2012). Belajar Data Mining dengan Rapid Miner. Jakarta: Gramedia Pustaka Utama. [2] Han, J., Pei, J., & Kamber, M. (2012). Data Mining Concept and Tehniques. San Fransisco: Morgan Kaufmann. [3] Kementerian Pendidikan dan Kebudayaan Republik Indonesia. (2017, 4 18). Pengertian Pola. Retrieved from KBBI Daring: [4] Larose, D. T., & Larose, C. D. (2015). Data Mining and Predictive Analytics. New Jersey: John Wiley & Sons. [5] Mulyani, S. (2017). Analisis dan Perancangan Sistem Informasi Manajemen Keuangan Daerah: Notasi Pemodelan Unified Modeling Language (UML). Bandung: Abdi Sistematika. [6] Nofriansyah, D. (2015, April 25). Data Mining. Yogyakarta: Deepublish. Retrieved from Encyclopædia Britannica: [7] Oktavian, D. P. (2010). Menjadi Programmer Jempolan Menggunakan PHP. Yogyakarta: Mediakom. [8] Sulianta, F., & Juju, D. (2012). Data Mining: Meramalkan Bisnis Perusahaan. Jakarta: PT. Elex Media Komputindo. Dengan adanya cabang tersebut maka dapat ditarik kesimpulan bahwa jika mahasiswa dengan nilai pemograman C namun mempunyai nilai A dalam mata kuliah Sistem Informasi maka mahasiswa tersebut