Laporkan Masalah

Prediksi kinerja mahasiswa baru menggunakan teknik data mining

JANANTO, Arief, Drs. Edi Winarko, M.Sc., Ph.D

2010 | Tesis | S2 Ilmu Komputer

Data akademik perguruan tinggi bertambah setiap tahunnya sejalan dengan bertambahnya jumlah mahasiswa. Data yang berlimpah menyimpan informasi yang berlimpah juga.. Teknologi data mining merupakan alat bantu untuk penambangan informasi pada basis data berukuran besar dan telah banyak digunakan pada banyak domain. Memprediksi kinerja (evaluasi belajar) mahasiswa adalah suatu kegiatan untuk menentukan suatu kondisi dimasa depan berdasarkan data yang telah ada. Penelitian dibidang data akademik telah banyak dilakukan dengan berbagai metoda dan algoritma, namun penggunaan algoritma SLIQ (Supervised Learning In Quest) belum banyak dilakukan. SLIQ merupakan algoritma yang dikembangkan oleh tim proyek IBM’s Quest pada tahun 1996 dapat digunakan untuk dataset yang besar. Penggunaan algoritma SLIQ untuk mengklasifikasikan dan memprediksi kinerja mahasiswa, diawali dengan membersihkan data, kemudian dilakukan pemilihan data training dan testing. Dengan menghitung gini index setiap atribut dan kemudian memilih gini index terkecil maka tabel data dipecah sesuai dengan kriteria hingga ditemui kelas yang sama. Dari hasil proses perhitungan dapat dihasilkan sekumpulan aturan yang dapat digunakan untuk memprediksi kinerja mahasiswa. Dari sistem yang dihasilkan dapat disimpulkan bahwa algoritma SLIQ dengan teknik pohon keputusan dapat digunakan sebagai alternatif dalam merancang sebuah sistem aplikasi datamining. Pengujian sistem yang dilakukan menunjukkan bahwa model yang dibangun dapat digunakan memprediksi kinerja mahasiswa baru. Akurasi model yang dihasilkan sistem ternyata mempunyai skor yang lebih rendah dibandingkan dengan akurasi dari aplikasi lain yang digunakan sebagai pembanding yaitu Tanagra. Keunggulan dari sistem yang diusulkan adalah dalam perancangannya tidak dibutuhkan perhitungan yang rumit dalam memperoleh gini index atribut.

Academic data increases every year in line with the increase of students. Abundant data store is also an abundance of information. Data mining technology is a tool for extracting information on large databases and has been widely used in many domains. Predicting student performance (study evaluation) is an activity to determine a future state based on existing data. Data in the field of academic research has been done with various methods and algorithms, but the use of algorithm SLIQ (Supervised Learning In Quest) has not been done. SLIQ is an algorithm developed by the IBM's Quest project team in 1996 for mining large datasets. SLIQ algorithm classify and predict the students performance, beginning with the data cleaning, conducted election training and testing data. By calculating gini index of each attribute and then selecting the smallest gini index data table is split according to the criteria until find the same class. From the results of the calculation process can produce a set of rules that can be used to predict student performance. From the experiment it can be concluded that the algorithm SLIQ with decision tree technique can be used as an alternative in designing a system datamining applications. Tests conducted system showed that the constructed model can be used to predict the performance of new students. The resulting accuracy of the model system in fact has a lower score than the accuracy of other applications that are used as a comparison of Tanagra. Advantages of the proposed system is in its design does not need complex calculations in obtaining the gini index attributes.

Kata Kunci : Algoritma SLIQ,Memprediksi kinerja,Gini index ; SLIQ algorithm, predicting performance, gini index


    Tidak tersedia file untuk ditampilkan ke publik.