BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

dokumen-dokumen yang mirip
Kata kunci Prediksi Ketepatan Masa Studi, Sistem Pakar, Case Based Reasoning, Algoritma C4.5

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

I. PENDAHULUAN. merupakan aset besar yang dimiliki oleh suatu negeri. Masa muda adalah

khazanah Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah Surakarta Menggunakan Metode Naive Bayes

1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian

BAB 1 PENDAHULUAN 1.1 Latar Belakang Dropout Data mining

PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. mahasiswa dan faktor-faktor penyebabnya merupakan topik yang menarik untuk

BAB 3 METODE PENELITIAN

SKRIPSI TI S1 FIK UDINUS 1

PERATURAN MENTERI RISTEK DAN DIKTI NO 44 TAHUN 2015

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB III EVALUASI KEBERHASILAN

BAB I PENDAHULUAN. waktu mendatang. Perkembangan teknologi informasi membuat pencarian. data data sangat mudah bahkan cenderung berlebihan.

BAB I PENDAHULUAN. 1.1 Latar Belakang Saat ini pendidikan di Indonesia semakin berkembang. Banyaknya

Jurnal SCRIPT Vol. 3 No. 1 Desember 2015

PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5

UKDW. BAB I PENDAHULUAN 1.1 Latar Belakang

IMPLEMENTASI METODE NAIVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA DI PROGRAM STUDI TEKNIK INFORMATIKA FT UN PGRI KEDIRI

BAB I PENDAHULUAN. Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat

Standar Kompetensi Lulusan Acuan Standar Lain

Permenristek Dikti No. 44 Tahun 2015 (Standar Mutu PT) Pedoman Akademik. Panduan- Panduan SOP

MODEL HEURISTIK. Capaian Pembelajaran. N. Tri Suswanto Saptadi

BAB I PENDAHULUAN. jurusan ditentukan berdasarkan standar kriteria tiap jurusan.

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Pendidikan merupakan sarana penting untuk mendapatkan Sumber Daya

BAB I PENDAHULUAN. 1.1 Latar Belakang

PERATURAN MENTERI RISTEK DAN DIKTI NO 44 TAHUN 2015

BAB 1 PENDAHULUAN 1-1

Matriks Perubahan Pasal-Pasal dalam Permendikbud No. 49 Tahun 2014 Tentang Standar Nasional Pendidikan Tinggi

PEMBENTUKAN MODEL KLASIFIKASI DATA LAMA STUDI MAHASISWA STMIK INDONESIA MENGGUNAKAN DECISION TREE DENGAN ALGORITMA NBTREE

STANDAR NASIONAL PENDIDIKAN DAN KEBIJAKAN AKADEMIK OLEH: SYAHNUR SAID

Prodi kedokteran FK UNS Oktober 2016

PENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER

PETUNJUK TEKNIS PELAKSANAAN UJIAN REMIDI/UJIAN PERBAIKAN DAN SEMESTER SELA FAKULTAS ILMU KESEHATAN

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA. mengenai penelitian terdahulu, tentang prediksi lama masa studi mahasiswa,

Kurikulum Jurusan Teknik Informatika

PORTOFOLIO MATAKULIAH ALGORITMA DAN PEMROGRAMAN KOMPUTER (DPH1B4) SEMESTER GASAL 2016/2017. DOSEN: Wahyu Hidayat ( )

BAB I PENDAHULUAN Latar Belakang

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS SRIWIJAYA PROSEDUR OPERASIONAL STANDAR EVALUASI DROP OUT (DO)

BIDANG AKADEMIK. Program Studi Pendidikan Ekonomi dan Koperasi. Tahun Disampaikan dalam Sosialisasi Pedoman Perilaku dan Sistem Perkuliahan

BAB I PENDAHULUAN. basis data dan mengubahnya menjadi informasi yang berguna. Metode data

STANDARD OPERATING PROCEDURE PEMBIMBINGAN AKADEMIK

KARTU HASIL STUDI ( KHS )

KARTU HASIL STUDI ( KHS )

IDENTIFIKASI LAMA STUDI BERDASARKAN KARAKTERISTIK MAHASISWA MENGGUNAKAN ALGORITMA C4.5

STANDARD OPERATING PROCEDURE PERKULIAHAN

STANDAR PENILAIAN PEMBELAJARAN

SISTEM PENENTUAN PEMASANGAN SALURAN AIR PDAM KOTA CIMAHI DENGAN MENGGUNAKAN CBR DAN ALGORITMA NEAREST NEIGHBORS

Analisis Algoritma Decision Tree untuk Prediksi Mahasiswa Non Aktif

Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN

PENERAPAN METODE DECISION TREE ALGORITMA C4.5 UNTUK SELEKSI CALON PENERIMA BEASISWA TINGKAT UNIVERSITAS

METODE KLASIFIKASI DENGAN ALGORITMA NAÏVE BAYES UNTUK REKOMENDASI PENJURUSAN SMA TERANG BANGSA

STANDAR OPERASIONAL PROSEDUR PEMBIMBINGAN AKADEMIK

BAB I PENDAHULUAN 1.1 Latar Belakang

Standar Nasional Pendidikan Tinggi (SN Dikti)

a. Prosesor yang digunakan adalah Intel Core i3 1.9 Ghz b. RAM dengan ukuran 2GB c. Harddisk dengan ukuran 500GB d. Layar monitor 14.

PEDOMAN PEMBIMBINGAN AKADEMIK (PA)

KEPUTUSAN KETUA STIKOM DINAMIKA BANGSA Nomor : 103/SK/STIKOM-DB/VII/2007 Tentang PETUNJUK PELAKSANAAN PEMBIMBING AKADEMIK STIKOM DINAMIKA BANGSA JAMBI

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN DIREKTORAT JENDERAL PENDIDIKAN TINGGI

BAB I PENDAHULUAN. Peminatan atau bidang peminatan adalah sebuah jurusan yang harus di

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

STANDAR NASIONAL PERGURUAN TINGGI

PROSEDUR OPERASIONAL STANDAR PEMBIMBINGAN AKADEMIK

RANCANG BANGUN DASHBOARD DENGAN METODE PURESHARE UNTUK PEMANTAUAN KINERJA AKADEMIK MAHASISWA

BAB I PENDAHULUAN. Oleh karena itu dalam melakukan Kegiatan usahanya sehari-hari bank harus

PEDOMAN PENYELENGGARAAN PROGRAM PENINGKATAN KUALIFIKASI SARJANA (S1) BAGI GURU MADRASAH IBTIDAIYAH DAN GURU PENDIDIKAN AGAMA ISLAM PADA SEKOLAH (DUAL

BAB I PENDAHULUAN 1. 1 Latar Belakang Dan Permasalahan Pendidikan merupakan sesuatu yang sangat penting, namun tidak semua orang dapat menempuh

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. Pada era gobalisasi ini, perkembangan masyarakat di berbagai bidang

KARTU HASIL STUDI ( KHS )

KARTU HASIL STUDI ( KHS )

BAB I PENDAHULUAN A. Latar Belakang Penelitian

STRATEGI MANAJEMEN MUTU PADA SMA NEGERI UNGGULAN DI KOTA BANDUNG (Studi Kasus Pada SMA Negeri 3, SMA Negeri 5 dan SMA Negeri 8 Kota Bandung)

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

TAHUN AKADEMIK 2016/2017. : PENGANTAR INTELEGENSI BUATAN : Betha Nurina Sari, M.Kom. : Open Book via Google Form (90 Menit)

Perubahan Yang Dilakukan: Beban Belajar

KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING

BAB I PENDAHULUAN. Mahasiswa Jurusan Teknik Sipil FPTK UPI, banyak yang menyelesaikan

Pada penelitian ini dilakukan kajian terhadap PMI cabang Kabupaten Demak yang dalam penyeleksian calon pendonor darah masih dilakukan

BAB V PEMBAHASAN. Data dikumpulkan dari 239 alumni Prodi Statistika FMIPA UII, sebagai

PROSEDUR DESAIN DAN PENGENDALIAN KURIKULUM No. Dokumen

BAB II SISTEM PENDIDIKAN

BAB 1 PENDAHULUAN Latar Belakang

MOTIVASI BERPRESTASI. (Kenali potensi kemampuan dalam berprestasi & meniti karier) Oleh : Mudjiarto. 1. Pengertian Motivasi dan Prestasi,

CARA MENJALANKAN PROGRAM SISTEM EVALUASI PROSES BELAJAR MENGAJAR BERBASIS INTRANET DI FAKULTAS ILMU BUDAYA UGM

PROSEDUR SISTEM PENJAMINAN MUTU SOP PELAYANAN PEMBIMBING AKADEMIK

BAB I PENDAHULUAN. secara manual dari suatu kumpulan data. Defenisi lain data mining adalah sebagai

BAB I PENDAHULUAN 1.1 Latar Belakang

UNIVERSITAS SRIWIJAYA

BAB I PENDAHULUAN Latar Belakang Adam Iqbal Makasuci, 2014

PERATURAN AKADEMIK. Peraturan akademik yang berlaku di Program Magister Pendidikan Kimia adalah sebagai berikut:

STANDAR NASIONAL PENDIDIKAN TINGGI (Permendikbud no 49/2014) Hotel Harris, Bandung, 18 Agustus 2014

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 3 METODE PENELITIAN. Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder.

BAB I PENDAHULUAN 1.1 Latar Belakang

Nomor Dokumen : QP-UGM-FA-MFK-06 Berlaku sejak : 30 Juli 2015 Revisi : 00 Nomor Distribusi : Status Distribusi : TERKENDALI

BAB I PENDAHULUAN A. Latar Belakang Penelitian

Transkripsi:

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mahasiswa merupakan bagian terpenting dalam menentukan kualitas suatu perguruan tinggi. Kualitas perguruan tinggi dapat dinilai dari mutu dosen dan tenaga kependidikan, mutu prasarana (ruang kelas, perpustakaan, laboratorium, dll) yang diberikan kepada mahasiswa dalam menempuh pendidikan, dan mutu mahasiswa yang berhasil dibentuk dari awal masuk hingga lulus. Indikasi mutu mahasiswa dilihat dari tingkat keketatan masuk, etika, keaktifan dalam proses belajar mengajar, serta prestasi akademik. Berdasarkan ketetapan Kementerian Pendidikan dan Kebudayaan Direktorat Jenderal Pendidikan Tinggi tentang Sistem Pendidikan Tinggi disebutkan bahwa untuk memenuhi standar kompetensi lulusan bagi mahasiswa program sarjana (S1) beban wajib yang harus ditempuh adalah paling sedikit 144-160 satuan kredit semester (sks) dengan masa studi selama 8-12 semester atau 4-6 tahun [1]. Namun faktanya tidak sedikit mahasiwa yang menempuh masa studi melebihi standar kelulusan yang telah ditetapkan. Fakultas Ilmu Komputer (FASILKOM) Universitas Dian Nuswantoro khususnya program studi Sistem Informasi - S1 merupakan salah satu program studi dengan jumlah mahasiswa terbanyak. Sayangnya jumlah lulusan yang dapat dihasilkan per-periode tidak sebanding dengan jumlah mahasiswa pendaftar setiap tahunya. Fakta dilapangan menunjukkan bahwa rata-rata mahasiswa Sistem Informasi - S1 tidak lulus sesuai dengan waktu yang diharapkan. Berikut adalah data yang didapat dari Tata Usaha dan Pusat Sistem Informasi UDINUS tentang jumlah pendaftar dan jumlah lulusan per tahun angkatan 2008 hingga 2011 :

Tabel 1.1 Perbandingan Jumlah Mahasiswa Pendaftar dengan Jumlah Mahasiswa Lulusan Jurusan Sistem Informasi S1 Tahun Akademik Jumlah Mahasiswa Tahun Lulus Jumlah Lulusan 2008 406 2012 111 2009 433 2013 99 2010 307 2014 113 2011 314 2015 112 Masalah ini dapat memberikan dampak yang merugikan bagi pihak universitas dan juga mahasiswa. Minimnya jumlah mahasiswa yang lulus tepat waktu menyebabkan turunya kualitas dan mutu universitas, selain itu mahasiswa yang terlalu lama menempuh masa studi memiliki kecenderungan terkena ancaman Drop-Out (DO). Mahasiswa dengan kecenderungan yang demikian umumnya adalah mahasiswa berkebutuhan khusus yang memerlukan bimbingan lebih dini sehingga mereka butuh untuk dibina agar dapat lulus tepat waktu. Oleh sebab itu, penting untuk memberikan perhatian lebih terhadap mahasiswa-mahasiswa yang berpotensi lulus tidak tepat waktu. Universitas Dian Nuswantoro telah menyediakan berbagai upaya untuk membantu mahasiswa dalam mencapai target kelulusan yang diharapkan, diantaranya yaitu dengan mengadakan remidi, semester pendek (sp), dan remidi khusus. Namun upayaupaya tersebut tidak terfokus pada masalah kelulusan mahasiswa. Sebagai

penanganan terhadap masalah tersebut perlu untuk dilakukan identifikasi sejak dini untuk mengetahui mana sajakah yang termasuk mahasiswa-mahasiswa yang memiliki kebutuhan khusus serta faktor-faktor penyebab mahasiswa menempuh masa studi lebih lama dari standar ketetapan sehingga kecenderungan mahasiswa lulus tidak tepat waktu dapat di cegah. Salah satu penanganannya adalah dengan cara melakukan prediksi terhadap masa studi mahasiswa. Dalam memprediksi masa studi mahasiswa terdapat berbagai teknik analisa, metode maupun pendekatan yang dapat digunakan untuk membantu proses prediksi, salah satu yang akan digunakan pada penelitian ini adalah sistem pakar. Sistem pakar memanfaatkan pengetahuan para ahli yang kemudian dimasukkan kedalam sebuah sistem. Pengetahuan tersebut berasal dari pengetahuan para pakar yang ahli pada bidangnya dan nantinya akan di implementasikan ke dalam sebuah basis pengetahuan menggunakan pendekatan Case Based Reasoning maupun Rule Based Reasoning. Case Based Reasoning menyelesaikan permasalahan berdasarkan kasus-kasus yang pernah ada sebelumnya dan diperoleh dari pengolahan fakta dimana fakta-fakta tersebut diolah menggunakan algoritma data mining, sedangkan Rule Based Reasoning menyelesaikan masalah dalam bentuk rule IF-THEN. Penelitian yang menggunakan data mining antara lain Arief Jananto (2013) pernah melakukan penelitian mengenai masa studi mahasiswa [2]. Pada penelitian tersebut metode yang digunakan adalah algoritma Naïve Bayes dan atribut yang digunakan meliputi indeks prestasi semester 1, indeks prestasi semester 2, indeks prestasi semester 3, indeks prestasi semester 4, jenis kelamin, kota lahir, tipe sekolah, dan kota sekolah. Hasil yang didapat yaitu rata-rata tingkat salah sebesar 20% hingga 34%. Penelitian lainya juga pernah dilakukan oleh Yuli Murdianingsih (20 14) tentang kesejahteraan anak [3]. Metode yang dipakai adalah algoritma C4.5, atribut yang digunakan diantaranya fisik, intelektual, emosional, dan sosial spiritual. Hasil akurasi yang diperoleh dari penggunaan metode tersebut mencapai 95,65%.

Berdasarkan penelitian sebelumnya peneliti ingin memprediksi ketepatan waktu kelulusan mahasiswa dengan mengangkat judul Aplikasi Berbasis Sistem Pakar untuk Memprediksi Ketepatan Waktu Kelulusan Mahasiswa Dengan Pendekatan Case Based Reasoning (Studi Kasus pada Universitas Dian Nuswantoro). Hal ini peneliti lakukan untuk memprediksi ketepatan waktu studi mahasiswa dengan harapan hasil dari penelitian dapat memberikan manfaat bagi Universitas Dian Nuswantoro dalam meminimalisir dan memberikan penanganan lebih awal terhadap mahasiswa yang kemungkinan terlambat lulus. 1.2 Rumusan Masalah Problem rendahnya tingkat kelulusan mahasiswa yang dapat lulus tepat pada waktunya menyebabkan perlunya dilakukan penelitian tentang masalah ini untuk mengetahui siapa saja mahasiswa-mahasiswa yang berpotensi terlambat lulus agar dapat segera dicari strategi penangananya sejak dini. 1.3 Batasan Masalah Dalam penelitian ini penulis membatasi ruang lingkup masalah, yaitu meliputi: 1. Penelitian terfokus pada pengembangan aplikasi berbasis sistem pakar yang menggunakan pendekatan Case Based Reasoning, dimana dalam pengolahan faktanya menggunakan algoritma C4.5 yang telah diperoleh dari RapidMiner. 2. Data yang digunakan adalah data mahasiswa Universitas Dian Nuswantoro Fakultas Ilmu Komputer program studi Sistem Informasi - S1. Data dibatasi yaitu hanya angkatan 2008 sampai 2011. 3. Pengembangan aplikasi menggunakan bahasa pemrograman Java. 1.4 Tujuan Penelitian Berdasarkan rumusan masalah diatas, tujuan penelitian ini adalah memprediksi ketepatan waktu kelulusan mahasiswa Sistem Informasi - S1 Universitas Dian Nuswantoro sehingga dapat digunakan sebagai bahan pertimbangan untuk melakukan

treatment khusus bagi mahasiswa yang memiliki kemungkinan terlambat lulus dan meminimalisir keterlambatan kelulusan bagi mahasiswa. 1.5 Manfaat Penelitian Manfaat penelitian yang diperoleh dari penelitian adalah sebagai berikut: 1. Dapat mengurangi prosentase jumlah mahasiswa Universitas Dian Nuswantoro yang terlambat lulus. 2. Hasil penelitian ini dapat digunakan bagi dosen pengampu mata kuliah sebagai pendukung bahan ajar mahasiswa khususnya tentang penerapan sistem pakar dan data mining. 3. Pada tingkat pengambilan keputusan oleh KaProdi, penelitian ini dapat dijadikan tolak ukur kualitas mahasiswa Sistem Informasi - S1 dan guna menetapkan keputusan maupun tindakan yang akan diambil terhadap mahasiswa khususnya yang berpotensi terlambat lulus. 4. Penelitian ini dapat digunakan bagi mahasiswa sebagai bahan referensi pembelajaran maupun sebagai perbandingan dengan metode yang lain.