BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

dokumen-dokumen yang mirip
1. PENDAHULUAN. Kata Kunci: Data Mining, Clustering, Fuzzy C-Means

BAB 1 PENDAHULUAN. Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BUKU PANDUAN MINAT STUDI MAHASISWA PRODI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER 2012/2013

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.

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

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

1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian

BAB I PENDAHULUAN. sekarang, yang dipilah menjadi Jurusan Ilmu Pengetahuan Alam (IPA), Ilmu

ALGORITMA NEAREST NEIGHBOR

BAB I PENDAHULUAN 1.1 Latar Belakang

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

BAB I PENDAHULUAN 1.1 Latar Belakang

UKDW. BAB I PENDAHULUAN 1.1 Latar Belakang

SKRIPSI TI S1 FIK UDINUS 1

BAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran

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

BAB I PENDAHULUAN I-1

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. 1.2 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

Terkait dengan klasifikasi trafik jaringan komputer, beberapa penelitian telah dilakukan dengan fokus pada penerapan data mining. Penelitian tentang

KURIKULUM PROGRAM STUDI SISTEM INFORMASI. SEMESTER 1 No Kode MK Mata Kuliah SKS Prasyarat

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

BAB 1 PENDAHULUAN 1-1

BAB I PENDAHULUAN. banyak informasi yang tersedia di internet, maka akan semakin sulit juga untuk

BAB 1 PENDAHULUAN Latar Belakang

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

KURIKULUM TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 2011

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Versi Online tersedia di : JURNAL TECH-E (Online)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

ANALISA DATA MINING MENGGUNAKAN METODE CRISP - DM TERHADAP TRANSAKSI PEMBELIAN ASURANSI PADA BANK XYZ

BAB I PENDAHULUAN. program studi para siswa (Ruslan,1986:13). Tujuan dari penjurusan (Ruslan, 1986:14), yaitu

BAB V PENUTUP. Menggunakan Metode Fuzzy C-Means Clustering, dapat diambil kesimpulan

BAB I PENDAHULUAN. 1.1 Latar Belakang

PENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5

BAB II LANDASAN TEORI

BAB III METODOLOGI 3.1. Prosedur Penelitian Identifikasi Masalah

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1 Latar Belakang Dropout Data mining

Oleh: Astrid Darmawan Pembimbing: Selvia Lorena Br. Ginting, M.T Wendi Zarman, M.Si

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

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

BAB I PENDAHULUAN. informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, sehingga

BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan

PENERAPAN METODE DECISION TREE ALGORITMA C4.5 UNTUK KLASIFIKASI MAHASISWA BERPRESTASI

2. MKK ( Mata Kuliah Ilmu Pengetahuan dan Ketrampilan )

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

PENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA

APLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI

BAB I PENDAHULUAN. 1.1 Latar Belakang

Kurikulum D3 MI dan Penulisan Ilmiah

BAB 3 METODE PENELITIAN. Bahan dan peralatan yang dibutuhkan dalam penelitian ini antara lain :

BAB I PENDAHULUAN I.1 Latar Belakang

KURIKULUM PROGRAM STUDI S1 - SISTEM INFORMASI KONSENTRASI DATABASE STMIK STIKOM BALI 2011/2012

DISTRIBUSI MATA KULIAH UNTUK SETIAP SEMESTER PROGRAM STUDI SISTEM INFORMASI

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

REKOMENDASI TOPIK TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA DI UNIVERSITAS MUHAMMADIYAH JEMBER MENGGUNAKAN METODE NAÏVE BAYESIAN CLASSIFIER

BAB 1 PENDAHULUAN Building A Data WareHouse for Decision Support Second Edition Data Mining : Concepts, Models, Methods, and Algorithms

BAB I PENDAHULUAN Latar Belakang Sekolah Menengah Atas (SMA) Negeri 01 Belangkejeren, yang terletak di

BAB I PENDAHULUAN. daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu

Kurikulum D3 MI dan Penulisan Ilmiah

MODEL DATA MINING CAPAIAN PEMBELAJARAN. N. Tri Suswanto Saptadi. Definisi Kategori Model Naïve Bayesian k-nearest Neighbor Clustering 12/4/2015

BAB 1 PENGANTAR 1.1. Latar Belakang Masalah 1.2. Rumusan Masalah

Kurikulum D3 MI dan Penulisan Ilmiah

SISTEM REKOMENDASI PENGAMBILAN KATEGORI SKRIPSI DENGAN PERHITUNGAN NAIVE BAYES

BAB II LANDASAN TEORI

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

Pemilihan Minat Topik Tugas Akhir Menggunakan Metode Fuzzy C-Means

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

PROPOSAL INNOVATION AWARD Analisis Kepuasan Akademik Mahasiswa Universitas Bina Nusantara dengan Metode Cluster

BAB 1 PENDAHULUAN. Dengan kemajuan teknologi informasi sekarang ini, kebutuhan akan

PENENTUAN PENERIMAAN SISWA BARU MENGGUNAKAN DECISION TREE

Tugas Ujian Tengah Semester (UTS) Data Mining Lanjut ABSTRAK

BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN. dari pemikiran-pemikiran manusia yang semakin maju, hal tersebut dapat. mendukung bagi pengembangan penyebaran informasi.

PERANCANGAN APLIKASI CLUSTERING SEBAGAI SUMBER INFORMASI PENENTU KELAS KONSENTRASI BAGI MAHASISWA INFORMATIKA UMS DENGAN ALGORITMA K-MEANS

A Decision Support Tool For Association Analysis

TEKNIK DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORHOOD

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah

PERANCANGAN APLIKASI K-MEANS SEBAGAI PENENTU KONSENTRASI BAGI MAHASISWA INFORMATIKA UMS. Makalah. Program Studi Informatika

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

JURNAL IMPLEMENTASI DATA MINING DENGAN ALGORITMA C4.5 UNTUK MEMPREDIKSI PRESTASI SISWA

INFO SEMESTER PENDEK

BAB III METODE PENELITIAN

PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS

BAB 1 PENDAHULUAN. Wiley & Sons, 2003, Hal : 1. 1 Poe Vidette, Klauer Patricia dan Brobst Stephen, Building A Data WareHouse for Decision Support

BAB I PENDAHULUAN. organ dalam tubuh seperti Computed Tomography (CT) scan, Digital

4.5 PRODI INFORMATIKA

IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI WAKTU KELULUSAN MAHASISWA

ABSTRAK. Keywords : Data Mining, Filter, Data Pre-Processing, Association, Classification, Deskriptif, Prediktif, Data Mahasiswa.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS

KURIKULUM PROGRAM STUDI TEKNIK INFORMATIKA

BAB 2 TINJAUAN PUSTAKA

Transkripsi:

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perguruan tinggi merupakan strata terakhir sebelum mahasiswa dapat bersaing didalam dunia kerja. Agar mampu bersaing didalam dunia kerja, mahasiswa dituntut memiliki skill yang sesuai dengan bidang kerja yang dipilih. Kenyataannya masih banyak lulusan sarjana yang bekerja tidak sesuai dengan bidang yang ditekuninya. Hal ini penting sekali karena selain untuk mendapatkan pekerjaan yang tepat juga untuk keberlanjutan karirnya, sebab apabila pada saat di dunia kerja, seorang lulusan yang tidak menguasai bidang pekerjaannya maka akan dipertanyakan juga kualitas universitas dimana lulusan tersebut menimba ilmu. Oleh karena itu informasi yang akurat sangat diperlukan dalam menentukan bidang pekerjaan yang sesuai dengan bidang ilmu yang ditekuni oleh lulusan perguruan tinggi. Berdasarkan informasi kelulusan mahasiswa pada Universitas Dian Nuswantoro pada tahun 2014 tepatnya pada wisuda yang ke 53, dan 54 telah meluluskan mahasiswa Fakutas Ilmu Komputer (FIK) program studi Teknik Informatika (TI) dan Sistem Informasi (SI) strata satu (S-1) total sebanyak 525 mahasiswa [1]. Dari data tersebut dapat diolah agar menghasilkan sebuah informasi yang lebih berguna, yang nantinya dapat digunakan untuk mengetahui bidang kerja yang sesuai dengan ilmu yang ditekuni mahasiswa. Pengolahan data tersebut menggunakan data mining dengan metode clustering. Data mining merupakan serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual [2]. Didalam data mining terdapat beberapa metode yaitu Decision Tree, Association Rule, dan Classification. Untuk memilih metode yang tepat terdapat beberapa faktor, seperti ukuran pada dataset, tipe dari pola yang ada, banyaknya 1

2 noise pada data, kecocokan data dengan asumsi dari metode yang diterapkan dan tujuan khusus dari analisa [3]. Pada penelitian sebelumnya disebutkan bahwa algoritma K-Nearest Neighbor (k- NN) dapat digunakan untuk mengklasifikasi bidang kerja mahasiswa [4]. Dari penelitian tersebut muncul kemiripan antar algoritma berdasarkan dari penggunaannya. Menurut penelitian tersebut penelitian tentang klasifikasi bidang kerja lulusan perlu dilakukan sebagai langkah antisipatif bagi institusi pendidikan untuk meningkatkan kemampuan akademik lulusannya sehingga di masa depan bisa diprediksi apakah lulusan bisa bekerja di bidang yang sesuai dengan kemampuan akademik, dengan melihat atribut yang mempengaruhinya. Penelitian sebelumnya juga menyebutkan bahwa metode clustering dapat digunakan untuk menentukan bidang tugas akhir [5]. Sedangkan pada penelitian ini menggabungkan dua metode yaitu metode Fuzzy C-Means dan metode k-nn untuk menentukan bidang tugas akhir mahasiswa berdasarkan nilai yang didapat dari awal semester dengan semester sebelum penentuan judul tugas akhir. Tiap bidang terdiri dari mata kuliah tertentu, mata kuliah tersebutlah yang digunakan sebagai atribut dalam sistem ini. Dari kemiripan hasil penelitian yang telah disebutkan diatas, algoritma Fuzzi C- Means (FCM) diusulkan untuk mengelompokkan bidang kerja mahasiswa. Dengan memanfaatkan data lulusan Universitas Dian Nuswantoro tahun 2014, mahasiswa akan dikelompokan kedalam lima bidang pekerjaan yaitu Programmer, IT Support, Wirausaha, Sistem Informasi dan Multimedia. Pada tiap-tiap kelompok bidang kerja diberikan atribut mata kuliah untuk menentukan bidang kerja yang sesuai berdasarkan nilai mata kuliah yang telah ditempuh mahasiswa, mata kuliah tersebut diantaranya adalah Rekayasa Perangkat Lunak, rekayasa Perangkat Lunak Lanjut, Software Quality dan Testing, Interaksi Manusia dan Komputer, Dasar Pemrograman, Sistem Operasi, Jaringan Komputer, Jaringan Komputer Lanjut, Sistem Terdistribusi, Keamanan Sistem Komputer, Kriptografi, Pengantar Multimedia, Pemrograman Animasi dan Multimedia, Musik/Audio for Multimedia, Video Processing, Dasar Entrepreneurship, Entrepreneurship Lanjut, Start Up Bussiness, Bussiness

3 Management, Sistem Informasi, Basis Data, Management Proyek, dan Konsep dan Aplikasi GIS. Dengan menggunakan metode FCM diharapkan dapat menyelesaikan masalah bidang kerja yang tidak sesuai dengan ilmu yang ditekuni mahasiswa pada Universitas Dian Nuswantoro. 1.2 Rumusan Masalah Ditemukan beberapa masalah yang berkaitan dengan objek yang diteliti, meliputi : 1. Banyak lulusan yang bekerja tidak sesuai dengan ilmu yang ditekuni. 2. Pengelompokan bidang kerja berdasarkan nilai mata kuliah mahasiswa guna memprediksi kesesuaiannya dengan bidang kerja yang masih rendah. 1.3 Batasan Masalah Untuk menghindari penyimpangan dari judul dan tujuan yang sebenarnya serta keterbatasan pengetahuan yang dimiliki penulis, maka penulis membuat ruang lingkup dan batasan permasalahan pada pembuatan Tugas Akhir ini, antara lain yaitu: 1. Data yang digunakan adalah data lulusan Universitas Dian Nuswantoro tahun 2014 tepatnya pada wisuda yang ke 53, dan 54 angkatan 2009, 2010, dan 2011. 2. Pengolahan data hanya dilakukan pada Fakultas Ilmu Komputer dengan program studi Teknik Informatika strata satu (S-1) dan Sistem Informasi strata satu (S-1). 3. Pembagian bidang kerja ditentukan berdasarkan kompetensi yang diberikan kepada mahasiswa, diantaranya yaitu bidang kerja Programmer, IT Support, Wirausaha, Sistem Informasi, dan Multimedia. 4. Teori data mining yang digunakan adalah metode clustering dengan algoritma FCM. 1.4 Tujuan Penelitian Tujuan penelitian merupakan jawaban dari rumusan masalah yang telah dituliskan sebelumnya. Tujuan penelitian dituliskan dengan maksud untuk menyelesaikan

4 masalah yang telah dirumuskan, sehingga akan terlihat apa yang akan dicapai dalam penelitian yang dilakukan. Adapun tujuan yang ingin dicapai dari penelitian ini adalah: 1. Diperolehnya hubungan antara kemampuan akademis dan bidang kerja yang sesuai. 2. Memprediksi kesesuaian nilai mata kuliah mahasiswa dengan bidang pekerjaan yang ada. 1.5 Manfaat Penelitian Dari hasil penelitian ini diharapkan dapat memberikan informasi mengenai: 1. Manfaat bagi masyarakat khususnya Universitas Dian Nuswantoro adalah untuk memberikan gambaran pekerjaan yang sesuai bagi lulusan. 2. Manfaat bagi iptek adalah memberikan sumbangan kepada bidang kajian data mining tentang kemampuan algoritma FCM dalam melakukan pengelompokan bidang pekerjaaan.

5