PERANCANGAN METODE K-MEANS CLUSTERING DALAM PEMBERIAN DISPENSASI PEMBAYARAN KULIAH

Transkripsi

1 Seminar Nasional Teknologi Informasi dan Komunikasi - SEMANTIKOM 07 PERANCANGAN METODE K-MEANS CLUSTERING DALAM PEMBERIAN DISPENSASI PEMBAYARAN KULIAH Rosmini ), Abdul Fadlil ), Sunardi ) Magister Teknik Informatika Universitas Ahmad Dahlan, Yogyakarta Sistem Informasi STMIK PPKIA Tarakanita Rahmawati, Tarakan Teknik Elektro Universitas Ahmad Dahlan, Yogyakarta rosmini@ppkia.ac.id, fadlil@uad.ac.id, sunardi@mti.uad.ac.id ABSTRAK Pendidikan merupakan hal yang sangat penting bagi sebuah bangsa. Kemajuan dan perkembangan bangsa dapat diukur dari kualitas tingkat pendidikan serta tingkat sumber daya manusia (SDM). Pendidikan merupakan salah satu kunci dalam penanggulangan kemiskinan dalam jangka waktu menengah maupun dalam jangka waktu panjang. Namun pada kenyataannya masih banyak masyarakat miskin yang memiliki keterbatasan askes pendidikan yang bermutu khususnya akses pendidikan pada perguruan tinggi, hal ini disebabkan karena keterbatasan ekonomi masyarakat serta mahalnya biaya pendidikan. Penelitian ini merancang dan membangun sistem untuk memudahkan dalam pemberian dispensasi pemabayaran kuliah bagi mahasiswa yang belum bisa membayar tepat waktu dan memudahkan dalam pengambilan keputusan dalam hal ini bagian keuangan. Metode K-Means merupakan salah satu algoritma dalam data mining yang bisa digunakan untuk melakukan pengelompokan/clustering suatu data untuk menentukan hasil akhir dalam pengambilan keputusan. Hasil akhir yang diharapkan dari penelitian ini adalah sistem pemberian dispensasi yang mampu menjadi solusi bagi permasalahan ekonomi dari mahasiswa yang belum bisa membayar uang kuliah tepat waktu sesuai jadwal yang telah ditentukan. Kata kunci : K-Means, Clustering, Dispensasi, Pembayaran Kuliah ABSTRACT Education is a very important thing for a nation. Progress and development of the nation can be measured from the quality of education level and level of human resources (HR). Education is one of the key in poverty alleviation in the medium term and in the long term. But in reality there are still many poor people who have limited quality education, especially access to education in universities, this is due to economic limitations of society and the high cost of education. This research designs and builds a system to facilitate the granting of a college disbursement dispensation for students who have not been able to pay on time and make it easy in making decisions in this financial section. K-Means method is one of the algorithms in data mining that can be used to perform clustering of data to determine the final result in decision making. The expected outcome of this study is a dispensation system that can be a solution to the economic problems of students who have not been able to pay tuition on time according to a predetermined schedule. Keywords: K-Means, Clustering, Dispensation, Payment of Lecture. PENDAHULUAN Pendidikan merupakan hal yang sangat penting bagi sebuah bangsa. kemajuan dan perkembangan bangsa dapat diukur dari kualitas tingkat pendidikan serta tingkat sumber daya manusia (SDM). Pendidikan merupakan salah satu kunci dalam penanggulangan kemiskinan dalam jangka waktu menengah maupun dalam jangka waktu panjang. Namun pada kenyataannya masih banyak masyarakat miskin yang memiliki keterbatasan askes pendidikan yang bermutu khususnya akses 87

2 Seminar Nasional Teknologi Informasi dan Komunikasi - SEMANTIKOM 07 pendidikan pada perguruan tinggi, hal ini disebabkan karena keterbatasan ekonomi masyarakat serta mahalnya biaya pendidikan. STMIK PPKIA Tarakanita Rahmawati Tarakan adalah instansi yang bergerak di bidang pendidikan. Biaya Pendidikan Mahasiswa adalah semua yang menyangkut tentang biaya yang dikeluarkan oleh mahasiswa selama menjadi mahasiswa STMIK PPKIA Tarakanita Rahmawati. Penelitian ini nantinya akan menghasilkan sistem pemberian dispensasi yang diharapkan mampu menjadi solusi bagi permasalahan ekonomi dari mahasiswa yang belum bisa membayar uang kuliah tepat waktu sesuai jadwal yang telah ditentukan. KAJIAN PUSTAKA Pada penelitian ini peneliti mengacu pada penelitian sebelumnya. Penelitian pertama yaitu pada penelitian kedua yaitu Penerapan Algoritma K-Means Untuk Clustering Dokumen E-Jurnal Stmik Gi Mdp. Sistem ini dibangun untuk menerapkan algoritma K-Means dalam mengelompokkan dokumen jurnal ini, dapat mempermudah mahasiswa dalam pencarian jurnal dengan tingkat kemiripan yang paling sesuai dengan query yang diberikan oleh pengguna []. Pada penelitian kedua yaitu Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru. Membangun sistem untuk mengelompokkan data mahasiswa baru tahun ajaran 0/0 dengan menggunakan Algoritma K-Means Clustering. Adapun variabel yang dipilih pada data Pendaftaran mahasiswa baru yaitu data Nilai UAN, Asal Sekolah dan Program Studi yang dipilih []. Pada penelitian ketiga yaitu Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface. Sistem dibangun untuk pengelompokan mahasiswa dengan kriteria yang bisa jadi acuan untuk menentukan keputusan terhadap mahasiswa yang akan dikirimkan sebagai peserta Lomba. Variabel-variabel yang akan dijadikan acuan adalah: nilai matakuliah Algoritma dan Pemrograman, Fisika Dasar, Kalukulus dan Indek Prestasi Komuliatif (IPK), kriteria tersebut diproses dengan menggunakan metode pengelompokan K-Means. Metode K-Means []. Pada penelitian keempat yaitu Implementasi Algoritma K-Means Untuk Pengelompokkan Penyakit Pasien Pada Puskesmas Kajen Pekalongan. Membangun sistem informasi mengenai pengelompokkan penyakit AKUT dan TIDAK AKUT yang banyak diderita oleh pasien pada Puskesmas Kajen Pekalongan. Yang kemudian hasil tersebut dapat dijadikan bahan atau dasar penyuluhan kesehatan oleh Dinas Kesehatan setempat. Variabel inputan yang digunakan dalam pengelompokkan penyakit pasien tersebut adalah nama, nomor ID, jenis kelamin, umur, kode penyakit, dan lama mengidap penyakit tersebut dalam hitungan bulan, kemudian variable tersebut diolah memnggunkan metode K-Means []. Pengertian Clustering dan K-Means Clustering adalah suatu metode pengelompokan berdasarkan ukuran kedekatan (kemiripan). Clustering beda dengan group, kalau group berarti kelompok yang sama,kondisinya kalau tidak ya pasti bukan kelompoknya. Tetapi kalau cluster tidak harus sama akan tetap pengelompokannya berdasarkan pada kedekatan dari suatu karakteristik sample yang ada, salah satunya dengan menggunakan rumus jarak ecluidean. K-Means merupakan salah satu algoritma dalam datamining yang bisa digunakan untuk melakukan pengelompokan/clustering suatu data. Ada banyak pendekatan untuk membuat cluster, diantaranya adalah membuat aturan yang mendikte keanggotaan dalam group yang sama berdasarkan tingkat persamaan diantara anggota - anggotanya. Pendekatan lainnya adalah dengan membuat sekumpulan fungsi yang mengukur beberapa properti dari pengelompokan tersebut sebagai fungsi dari beberapa parameter dari sebuah clustering. Salah satu alternatif penerapan K-Means dengan beberapa pengembangan teori-teori penghitungan terkait adalah Eucledian Distance (L-Norm). Jarak antara dua titik dirumus sebagai berikut : n ( () d x, y) x y Keterangan : d(x,y) = determinan x,y (Eucledian distance yaitu jarak antara data pada titik x dan titik y menggunakan kalkulasi matematika) i ( x i y i ) 88

3 Seminar Nasional Teknologi Informasi dan Komunikasi - SEMANTIKOM 07 x = titik pusat cluster y = data n = jumlah data i = data ke- Adapun rumus perhitungan jarak lainnya didefinisikan sebagai berikut : Keterangan : d = titik dokumen x = data record y = data centroid d ( x, y) ( xi yi ) ( xi yi ) () Jarak yang terpendek antara centroid dengan dokumen menentukan posisi cluster suatu dokumen. Misalnya dokumen A mempunyai jarak yang paling pendek ke centroid dibanding ke yang lain, maka dokumen A masuk ke group. Hitung kembali posisi centroid baru untuk tiap-tiap centroid (Ci..j) denga mengambil rata- rata dokumen yang masuk pada cluster awal (Gi..j). Iterasidilakukan terus hingga posisi group tidak berubah. Berikut rumus dari penentuan centroid. [] C( i) Gi xec d x Adapun rumus iterasi lainnya didefinisikan sebagai berikut : () Keterangan : x = nilai data record ke- x = nilai data record ke- Σx = jumlah data record C( i) x X... x.. x x (). METODE PENELITIAN Alat dan Bahan Dalam menyelesaikan aplikasi ini dibutuhkan seperangkat komputer dengan spesifikasi minimal i dengan Ram minimal GB, sistem operasi windows 8, bahasa pemrogram PHP dengan software dreamweaver dan webserver dengan software xampp. Objek Penelitian Objek yang digunakan dalam penelitian ini adalah pemberian dispensasi pembayaran kuliah bagi mahasiswa yang belum bisa membayar tepat waktu sesuai jadwal yang ditentukan. Perancangan Sistem Dalam penelitian pemberian dispensasi pembayaran, ada beberapa alur yang dilakukan dimulai dari input data, proses, sampai pada tahap akhir yaitu hasil yang diharapkan. a. Alur Input Data Data yang dibutuhkan dalam penelitian ini adalah data semester, prensensi, IPK, penghasilan orang tua, tunggakan biaya pendidikan dan organisasi yang diikuti. Sedangkan untuk kebutuhan pengolahan data, maka Jenis file yang digunakan untuk input program adalah file Microsoft Excel (.xls atau.xlsx). selanjutnya data-data akan diolah dengan alat bantu sederhana memanfaatkan program yang dibagun dengan program berbasis PHP dan MySQL.File diimpor ke dalam program, kemudian ditampung pada tabel tampungan,menggunakan database MySQL. Sehingga data yang diolah adalah data yang sudah tertampung pada tabel MySQL. Tabel. Kriteria Kriteria Keterangan C 0 C 0 Presensi Semester 89

4 Seminar Nasional Teknologi Informasi dan Komunikasi - SEMANTIKOM 07 C 0 C 0 C 0 C 06 IPK Penghasilan Orang Tua Tunggakan biaya pendidikan Organisasi Cluster A B Tabel. Cluster Keterangan Pengunduran Jadwal Pembayaran Pembagian nominal pembayaran (Biaya Kuliah) b. Proses Data yang telah dimasukkan kemudian diproses. Proses yang ada pada program merupakan implementasi dari metode K-Means dengan mengelompokkan data/klastering. Proses klastering dikatakan selesai apabila pusat klaster tidak lagi berubah. Input Kriteria Output C 0 C 0 C 0 C 0 C 0 C 06 K - Means A B Gambar. Proses Clustering c. Output yang diharapkan Keluaran yang diharapkankan dari proses pengujian nantinya adalah pilihan dispensasi :. Penguduran jadwal pembayaran. Pembagian nominal pembayaran (Biaya Kuliah). HASIL DAN PEMBAHASAN K-Means ini secara umum dilakukan dengan algoritma dasar sebagai berikut :. Menentukan jumlah cluster (k). Menentukan k centroid secara acak. Memilih data-data yang terdekat dengan k centroid dengan menggunakan formula eucledian distance.. Mencari k centroid baru tiap cluster yang sudah terbentuk, dihitung dari nilai rata-rata data yang ada di cluster.. Melakukan pengecekkan semua data sekali lagi dan menyimpan setiap data yang terdekat dengan k centroid. 6. Mengulangi proses empat () dan lima () hingga data sudah tidak berubah lagi (k centroid tidak berubah). [] Proses pengembangan sistem diawali dengan melakukan penentuan domain bagi masing-masing kriteria, yaitu mengelompokkan data nilai dari masing-masing calon penerima bantuan dispensasi pembayaran. 90

5 Seminar Nasional Teknologi Informasi dan Komunikasi - SEMANTIKOM 07 Selanjutnya untuk setiap kriteria diberikan bobot nilai sesuai paremeter ukuran dari masing-masing kriteria seperti tabel dibawah ini : Tabel. Presensi/Jumlah Kehadiran (C0) 0 Tabel. Semester (C0) Semester Semester Semester Semester 7 > semester 7 Tabel. IPK (C0) < Tabel. Penghasilan Orang Tua (C0) < > Tabel. Tunggakan Biaya Kuliah (C0) < > Tabel.6 Organisasi (C06) Sangat aktif Aktif Cukup Kurang Tidak aktif 9

6 Seminar Nasional Teknologi Informasi dan Komunikasi - SEMANTIKOM 07 Pada tabel 7 berikut ini berisi 0 data yang dipergunakan sebagai sample pada penelitian. No Nim Tabel.7 Pengelompokan Nilai Histori/Training hasil Kriteria C0 Cc0 C0 C0 C0 C Untuk penentuan awal di asumsikan : Diambil data ke- sebagai pusat Cluster Ke-A Cluster A Nim..077[,,,,,,] (Pengunduran Jadwal Pembayaran) Diambil data ke- 0 sebagai pusat Cluster Ke-B Cluster B Nim [,,,,,,] (Pembagian Nominal Pembayaran/Biaya Kuliah) Setelah dilakukan pengelompokan berdasarkan masing-masing cluster kemudian hitung jarak masingmasing data selanjutnya pada tiap cluster yang menjadi centroid awal pada iterasi menggunakan persamaan 0. PENUTUP Dari hasil dan pembahasan diatas dapat diambil kesimpulam sebagai berikut :. K-Means Clustering dapat digunakan untuk mengelompokkan data mahasiswa sebagai pendukung keputusan. Data mahasiswa dikelompokkan menjadi dua cluster (pengunduran jadwal pembayaran dan pembagian nominal pembayaran). Perhitungan selanjutka akan dibahas dijurnal berikutnya.. DAFTAR PUSTAKA [] Ernie Kurniawan, Maria Fransiska, Tinaliah, Rachmansyah. Penerapan Algoritma K-Means Untuk Clustering Dokumen E-Jurnal. Jurnal Teknik Informatika. 0. Palembang [] Fina Nasari, Surya Darma. Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru. STMIK AMIKOM. 0. ISSN : 0-80 [] Asroni, Ronald Adrian. Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface. Jurnal Ilmiah Semesta Teknkik Vol. 8, No., 76-8 Mei 0 [] Anindya Khrisna Wardhani. Implementasi Algoritma K-Means Untuk Pengelompokkan Penyakit Pasien Pada Puskesmas Kajen Pekalongan. Jurnal Transformatika, Vol., No., Juli 06 [] Yudi Agusta, PhD.007. K-Means Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika vol., pp

7 Seminar Nasional Teknologi Informasi dan Komunikasi - SEMANTIKOM 07 [6] Abdul Fadlil, 007. Perbandingan Pengklasifikasian Fungsi Jarak dan Jaringan Syaraf Tiruan Pada Sistem Pengenalan Wajah.. Seminar Nasioanal Aplikasi Teknologi Informasi.007.ISSN :997-0 [7] Abdul Fadlil. Program Sederhana Sistem Pengenalan Wajah Menggunakan Fungsi Jarak. Jurnal Telkomnika. Vol., No.. ISSN : [8] Abdul Fadlil,007, Pengenalan Ucapan Dengan Jaringan Syaraf Tiruan Kuantisasi Vektor Adaptif. [9] Abdul Fadlil, 00. Sistem Identifikasi Otomatis Gangguan Kulit Manusia. ISSN: [0] Rusydi Umar, Sunardi, Yasinta Bella Fitriana,07. Taksonomi Sistem Pendukung Keputusan Berdasarkan Perangkat Lunak Dan Metode perhitungan. 9

8 Seminar Nasional Teknologi Informasi dan Komunikasi - SEMANTIKOM 07 9