BAB I PENDAHULUAN 1.1 Latar Belakang Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi pengetahuan potensial dan berguna yang tersimpan di dalam database besar. (Turban et al, 2005 ). Data mining adalah bagian dari proses KDD ( Knowledge Discovery in Databases) yang terdiri dari beberapa tahapan seperti pemilihan data, pra pengolahan, transformasi, data mining, dan evaluasi hasil (Maimon dan Last, 2000) Teknik data mining secara garis besar dapat dibagi dalam dua kelompok: verifikasi dan discovery. Metode verifikasi umumnya meliputi teknik-teknik statistik seperti goodness of fit, dan analisis variansi. Metode discovery lebih lanjut dapat dibagi atas model prediktif dan model deskriptif. Teknik prediktif melakukan prediksi terhadap data dengan menggunakan hasil-hasil yang telah diketahui dari data yang berbeda. Model ini dapat dibuat berdasarkan penggunaan data historis lain. Sementara itu, model deskriptif bertujuan mengidentifikasi pola-pola atau hubungan antar data dan memberikan cara untuk mengeksplorasi karakteristik data yang diselidiki (Dunham, 2003). Kegiatan dan kemajuan belajar mahasiswa dilakukan penilaian secara berkala, yang dapat berbentuk ujian, pelaksanaan tugas, dan pengamatan oleh dosen. Ujian dapat diselenggarakan melalui ujian tengah semester, ujian akhir semester, ujian akhir program studi, ujian skripsi.
Penilaian hasil belajar dinyatakan dengan huruf A, B, C, D, dan E yang masing masing bernilai 4, 3, 2, 1, dan 0. (Kepmendiknas No. 232/U/2000 BAB V Pasal 12). Kurikulum pendidikan tinggi adalah seperangkat rencana dan pengaturan mengenai isi maupun bahan kajian dan pelajaran serta cara penyampaian dan penilaiannya yang digunakan sebagai pedoman penyelenggaraan kegiatan belajar mengajar di perguruan tinggi. Kelompok Matakuliah Pengembangan Kepribadian (MPK) adalah kelompok bahan kajian dan pelajaran untuk mengembangkan manusia Indonesia yang beriman dan bertaqwa terhadap Tuhan Yang Maha Esa dan berbudi pekerti luhur, berkepribadian mantap, dan mandiri serta mempunyai rasa tanggung jawab kemasyarakatan dan kebangsaan. Kelompok Matakuliah Keilmuan dan Keterampilan (MKK) adalah kelompok bahan kajian dan pelajaran yang ditujukan terutama untuk memberikan landasan penguasaan ilmu dan ketrampilan tertentu. Kelompok Matakuliah Keahlian Berkarya (MKB) adalah kelompok bahan kajian dan pelajaran yang bertujuan menghasilkan tenaga ahli dengan kekaryaan berdasarkan dasar ilmu dan ketrampilan yang dikuasai. Kelompok Matakuliah Perilaku Berkarya (MPB) adalah kelompok bahan kajian dan pelajaran yang bertujuan untuk membentuk sikap dan perilaku yang diperlukan seseorang dalam berkarya menurut tingkat keahlian berdasarkan dasar ilmu dan keterampilan yang dikuasai. Kelompok Matakuliah Berkehidupan Bermasyarakat (MBB) adalah kelompok bahan kajian dan pelajaran yang diperlukan seseorang untuk dapat memahami kaidah berkehidupan bermasyarakat sesuai dengan pilihan keahlian dalam berkarya. (Kepmendiknas No. 232/U/2000 Pasal 6,7,8,9,10 dan 11). Dalam beberapa penelitian yang telah dilakukan oleh peneliti yang dituliskan dalam jurnal atau karya ilmiah tentang penggunaan data mining pada perguruan tinggi adalah : Romero dan Ventura, (2007), telah melakukan survey data mining dalam bidang pendidikan antara tahun 1995 sampai 2005, mereka menyimpulkan bahwa data mining yang berhubungan dengan pendidikan sangat baik untuk diteliti terutama di bidang e-learning, multimedia, artificial intelligent
dan web database. Merceron dan Yacep, (2005) melakukan penelitian menggunakan data mining untuk mengidentifikasi perilaku mahasiswa yang cenderung gagal pada prestasi akademik sebelum ujian akhir. Waiyamai, (2003) menggunakan data mining untuk membantu dalam pengembangan kurikulum baru. El-Halees, (2008) menganalisis perilaku belajar mahasiswa dengan teknik data mining. Ogor, (2007) menggunakan teknik data mining yang digunakan untuk membangun prototipe Penilaian Kinerja Monitoring System (PAMS) untuk mengevaluasi kinerja mahasiswa. Sembiring, et al., (2009) menggunakan teknik data mining dalam pemantauan dan memprediksi peningkatan prestasi mahasiswa berdasarkan minat, prilaku belajar, pemanfatan waktu dan dukungan orang tua di perguruan tinggi. Walaupun telah banyak penelitian yang dilakukan berkaitan dengan indeks prestasi mahasiswa namun faktor-faktor yang mempengaruhi indeks prestasi mahasiswa masih belum dapat diketahui dengan pasti sehingga perlu dilakukan penelitian untuk melihat keterhubungan data mahasiswa dengan indeks prestasi. Tesis ini mengaplikasikan teknik data mining dengan algoritma C 4.5 dalam membuat model aturan keterhubungan data mahasiswa berdasarkan matakuliah Kurikulum Berbasis Kompetensi (KBK) dan data demografi yang mendukung peningkatan indeks prestasi mahasiswa. Model aturan yang diperoleh untuk mengklasifikasikan predikat mahasiswa yang terdiri dari dengan pujian, sangat memuaskan, memuaskan, dan buruk. Dengan menggunakan Algoritma C 4.5, penelitian tesis ini akan memberikan aturan dalam bentuk decision tree agar mahasiswa dapat meningkatkan nilai matakuliah untuk meningkatkan indeks prestasi pada semester yang akan diambil berikutnya. Penelitian ini diharapkan dapat memberikan kontribusi bagi perguruan tinggi swasta khususnya Akademi Manajemen Informatika dan Komputer ( AMIK ) Tunas Bangsa Pematangsiantar. Model aturan keterhubungan data mahasiswa dengan indeks prestasi yang diperoleh dari tesis ini menunjukkan bahwa faktor ekonomi orang tua merupakan variabel yang dominan dalam meningkatkan indeks prestasi mahasiswa di AMIK Tunas Bangsa Pematangsiantar.
1.2 Perumusan Masalah Berdasar pada latar belakang di atas, maka dapat dirumuskan masalah dalam tesis ini sebagai berikut: 1. Bagaimana membuat model aturan keterhubungan data mahasiswa dengan indeks prestasi menggunakan algoritma C 4.5. 2. Bagaimana menggunakan model aturan untuk mengklasifikasikan predikat akhir seorang mahasiswa berdasarkan indeks prestasi. 1.3 Batasan Masalah Rumusan masalah di atas, dibatasi dengan beberapa hal sebagai berikut : 1. Algoritma teknik data mining yang digunakan adalah algoritma C 4.5 untuk mendapatkan decision tree. 2. Data diperoleh dari database pendidikan AMIK Tunas Bangsa dan data hasil survey mahasiswa menggunakan kuesioner mahasiswa. 3. Dalam membuat rule atau aturan, penulis menggunakan perangkat lunak rapidminer 5.0 untuk melakukan analisis data. 1.4 Tujuan Penelitian Tujuan yang ingin dicapai pada penelitian tesis ini yaitu : 1. Untuk mendapatkan sebuah model aturan keterhubungan data mahasiswa dengan indeks prestasi mahasiswa. 2. Untuk membantu bagian manajemen pendidikan dalam mengambil tindakan preventif bagi mahasiswa yang memiliki kecendrungan predikat buruk pada akhir masa studi. 1.5 Manfaat Penelitian Manfaat dari penelitian tesis ini adalah: 1. Membantu manajemen pada bagian akademik dalam mengambil keputusan untuk menentukan predikat indeks prestasi mahasiswa 2. Sebagai model untuk prediksi predikat akhir ujian semester mahasiswa AMIK Tunas Bangsa Pematangsiantar.
3. Sebagai referensi bagi peneliti selanjutnya yang berkaitan dengan penggunaan teknik data mining pada perguruan tinggi. 4. Memberikan masukan pada manajemen AMIK Tunas Bangsa sebagai dasar untuk meningkatkan kualitas layanan pada prestasi akademik mahasiswa dengan nilai yang telah diprediksi dari nilai semester yang telah diproses dalam database pendidikan AMIK Tunas Bangsa.