JURNAL PREDIKSI PRESTASI SISWA SEKOLAH DASAR MENGGUNAKAN ALGORITMA CART PREDICTION ELEMENTARY SCHOOL STUDENT ACHIEVEMENT USING CART ALGORITHM

JURNAL

PREDIKSI PRESTASI SISWA SEKOLAH DASAR MENGGUNAKAN ALGORITMA CART PREDICTION ELEMENTARY SCHOOL STUDENT ACHIEVEMENT USING CART ALGORITHM

Oleh: BENI KURNIAWAN 12.1.03.02.0201

Dibimbing oleh : 1. Resty Wulanningrum, M.Kom. 2. Daniel Swanjaya, M.Kom.

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI 2017

Artikel Skripsi Universitas Nusantara PGRI Kediri

Beni Kurniawan | 12.1.03.02.0201 Teknik – Teknik Informatika

simki.unpkediri.ac.id ||1||


PREDIKSI PRESTASI SISWA SEKOLAH DASAR MENGGUNAKAN ALGORITMA CART Beni Kurniawan 12.1.03.02.0201 Teknik – Teknik Informatika [email protected] Resty Wulanningrum, M.Kom dan Daniel Swanjaya, M.Kom UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK Pendidikan merupakan salah satu faktor kemajuan dan kemandirian bangsa. Tindakan yang belum banyak dilakukan oleh lembaga pendidikan seperti sekolah adalah melakukan antisipasi terhadap anak didik yang mengalami hambatan atau kurang berprestasi dalam belajarnya. Dari permasalahan di atas, maka perlu diusulkan sebuah penelitian untuk memprediksi prestasi belajar anak didik sejak dini, sehingga lembaga pendidikan seperti sekolah dasar akan mampu memberikan tindakan antisipatif terhadap anak yang mengalami hambatan dalam pembelajaran atau rendah prestasi. Metode yang akan digunakan dalam penelitian ini adalah metode Algoritma CART dengan obyek penelitian MI ANNAJAH. CART (Classification and Regression Trees) adalah suatu metode dari salah satu teknik eksplorasi data yaitu teknik pohon keputusan. Ada beberapa hal yang harus dilakukan dalam penerapanya yaitu penyusunan dataset, menyusun calon cabang, menilai kinerja keseluruhan calon cabang, dan memilih cabang yang memiliki nilai tertinggi. Kesimpulan hasil penilitian ini adalah terbentuknya aplikasi prediksi prestasi siswa sekolah dasar yang dapat membantu guru untuk melakukan pengamatan terhadap peserta didiknya. Dimana sistem mampu melakukan prediksi dan menampilkan hasil berupa prestasi siswa. Aplikasi ini telah diuji keakuratanya dengan cara mengambil 20 data siswa dari dataset sebagai data tes, dan menghasilkan nilai keakuratan sebesar 100%. Dengan demikian, metode Algoritma CART tepat digunakan pada kasus prediksi prestasi siswa sekolah dasar. Kata Kunci : Algoritma CART, Prediksi, Prestasi

I.

LATAR BELAKANG Pendidikan merupakan salah satu

faktor

kemajuan

dan

serta

peradaban

bermartabat

bangsa

dalam

rangka

kemandirian bangsa. Semakin maju

mencerdaskan

pendidikan suatu bangsa, maka akan

bertujuan

semakin maju dan mandiri bangsa

potensi peserta didik agar menjadi

tersebut. Melalui pendidikan para

manusia yang beriman dan bertakwa

generasi penerus bangsa dibentuk

kepada Tuhan Yang Maha Esa,

kualitasnya.

nasional

berakhlaq mulia, sehat, berilmu,

mengembangkan

cakap, kreatif, mandiri dan menjadi

kemampuan dan membentuk watak

warga negara yang demokratis serta

berfungsi

Pendidikan


kehidupan

yang

untuk

bangsa,

mengembangkan



bertanggungjawab.

Berdasarkan

dalam hal pendidikanya, sehingga

tujuan pendidikan tersebut maka

anak

kualitas

pendidikanya.

dan

pembelajaran

manajemen

di

tetap

fokus

dalam

atau

Satu hal yang belum banyak

perlu

dilakukan oleh lembaga – lembaga

ditingkatkan. Salah satu indikator

pendidikan seperti sekolah adalah

kualitas dan manajemen sekolah atau

melakukan antisipasi terhadap anak

lembaga pendidikan dapat dilihat

didik yang mengalami hambatan atau

dari prestasi belajar siswa [1].

kurang berprestasi dalam belajarnya.

lembaga

sekolah

akan

pendidikan

Sekolah

Dasar

(SD)

Dampak dari sekolah yang kurang

lembaga

antisipatif adalah kurangnya motivasi

pendidikan yang berupaya mendidik

anak dalam belajar, anak akan

karakter, membentuk watak seorang

merasa minder karena merasa kurang

anak

berprestasi dan akhirnya melepaskan

merupakan

sebuah

bangsa

menjadikan

sehingga

seorang

mampu

anak

yang

segala frustasinya dalam

bentuk

berkualitas. Dalam dunia pendidikan

kenakalan di sekolah. Hingga anak

Sekolah Dasar, anak disiapkan agar

akan tidak naik kelas.

mampu bersosial dengan masyarakat dan anak disiapkan untuk masuk kejenjang pendidikan yang lebih

II.

METODE 1. DATA MINING Data

tinggi. Anak akan ditata watak dan karakternya selama 6 tahun, sehingga anak menjadi lebih matang dalam bidang ilmu pengetahuan, sosial, dan

merupakan

serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari sebuah basis data

agama. Dengan

adanya

tuntutan

menjadikan anak didik menjadi anak didik

mining

yang

berkualitas,

maka

diperlukan juga dukungan dari pihak keluarga, pemerintah.

sekolah, Dengan

dan adanya

dukungan dari berbagai pihak, maka anak akan menjadi lebih terarah

dengan melakukan penggalian pola – pola dari data dengan tujuan untuk memanipulasi data menjadi sebuah

informasi

yang

lebih

berharga yang diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basis data [2].




Tahapan – tahapan dalam data

mining

adalah

berharga dan tersembunyi dari

sebagai

data

berikut:

dengan

menerapkan

metode yang tepat.

a. Pre – processing / Cleaning

f. Pattern Evaluation

Tahapan ini bertujuan untuk

Mengidentifikasi

menghilangkan noise data yang

benar – benar menarik yang

tidak konsisten. Sehingga data

mewakili

akan

berdasakan

lebih

efisien

dalam

penggalian pola.

pola

yang

pengetahuan atas

beberapa

tindakan yang menarik.

b. Data Integration

g. Knowledge Presentation

Sumber data yang terpecah

Gambaran teknik visualisasi

dapat disatukan. Seperti yang

dan

diketahui, data dalam database

untuk

terpecah – pecah, oleh karena

pengetahuan

itu perlu adanya penggabungan

ditambang

data sehingga menjadi pola

Penggambaran ini dilakukan

yang tepat.

dengan

c. Data Selection Data

pengetahuan

memberikan

Keputusan

yang relevan

digunakan

yang

telah

kepada

user.

sebuah dan

Pohon hasil

dari

dengan

pengetahuan adalah beberapa

tugas analisis dikembalikan ke

rule set yang tersusun sesuai

dalam database.

dengan data yang sudah di

d. Data Transformation Data

bersatu

dan

proses. berubah

2. ALGORITMA CART

menjadi bentuk yang tepat untuk

menambang

ringkasan

performa

CART (Classification and

dengan

Regression Trees) adalah salah satu

atau

metode atau algoritma dari salah

operasi agresi.

satu teknik eksplorasi data yaitu

e. Data Mining

teknik pohon keputusan. Metode

Proses esensial di mana metode

ini

yang intelejen digunakan untuk

Breiman, Jerome H. Friedman,

mengekstrak pola data. Proses

Richard A. Olshen dan Charles J.

ini

Stone

bertujuan

menemukan

untuk pengetahuan


dikembangkan

CART

sekitar

tahun

merupakan

oleh

Leo

1980-an. metodologi



statistik

nonparametrik

yang

Dalam hal ini :

dikembangkan untuk topik analisis klasifikasi,

baik

untuk

peubah

respon kategorik maupun kontinu. CART menghasilkan suatu pohon klasifikasi jika peubah responnya kategorik, dan menghasilkan pohon regresi

jika

peubah

responnya Bila didefinisikan besarannya :

kontinu [1].

( | )

Terdapat beberapa tahapan

∑

| (|

( | )|

dalam penerapan Algoritma CART,

Maka berdasarkan persamaan

yaitu :

di

a. Langkah

Pertama

pada

Algoritma

CART

adalah

menyusun

calon

cabang

akan

didapatkan

persamaan berikut : ( | )= c.

( | )

Langkah

ketiga

algoritma

(candidate split). Penyusunan

CART

ini dilakukan terhadap seluruh

calon cabang manakah yang

variabel

akan

prediktor

secara

lengkap (exchaustive). b.

atas,

adalah

menentukan

benar-benar

cabang.

Hal

dijadikan

ini

dilakukan

Langkah kedua algoritma ini

dengan memilih calon cabang

akan

kinerja

yang memiliki nilai kesesuaian

keseluruhan calon cabang yang

(s|t) terbesar. Setelah itu,

menilai

ada pada daftar calon cabang mutakhir. Kinerja dari setiap calon

cabang

akan

diukur

melalui ukuran yang disebut kesesuaian

(goodness).

Kesesuaian dari calon cabang s pada

node

dilambangkan

keputusan dengan

t dan

didefinisikan sebagai :

percabangan

sesuai

menjalankan

hasil

algoritma. Jika tidak ada lagi node keputusan, pelaksanaan algoritma

CART

akan

dihentikan. Namun, jika masih terdapat

node

pelaksanaan

keputusan, algoritma

dilanjutkan dengan kembali ke

( | ) ∑

menggambar

langkah kedua, dengan terlebih | (| )


( | )|

dahulu

membuang

calon



cabang yang telah berhasil

b.

menjadi cabang.

mencari kebutuhan pengguna dan

3. METODE PENELITIAN Metode digunakan

Tahap analisis bertujuan untuk

yang

dalam

akan

(sebelum

sistem informasi dalam penelitian

diterapkan

sistem

yang baru) c.

Tahap

disain

incremental, dimana metode ini

menentukan

merupakan

dari

pengembangan

serta

menganalisa kondisi yang ada

membangun

ini yaitu menggunakan metodologi

organisasi

dari

bertujuan

spesifikasi detil

komponen-komponen

metode waterfal. Pada gambar 1

sistem

(manusia,

hardware,

akan dijelaskan metode tersebut :

software, network, dan data) dan produk-produk informasi

INVESTIGASI

yang sesuai dengan hasil tahap ANALISIS

analisis. d.

DISAIN

Tahap

implementasi

merupakan

tahapan

untuk

IMPLEMENTASI

mendapatkan

mengembangkan hardware dan

PERAWATAN

software

GAMBAR 1. Skema Waterfal Model [3]

Waterfall

Model

(Mulyanto,

program),

menurut

pengujian,

2008) [3]

melakukan pelatihan

dan

perpindahan ke sistem baru.

secara e.

ringkas adalah sebagai berikut : a.

(pengkodean

dalam

Tahapan-tahapan

atau

Tahap

perawatan

Tahap investigasi dilakukan

(maintenance) dilakukan ketika

untuk

menentukan

sistem

terjadi

suatu

apakah

sudah

dioperasikan.

atau

Pada tahapan ini dilakukan

adakah peluang suatu sistem

monitoring proses evaluasi dan

dikembangkan. Pada tahapan

perubahan

ini

diperlukan

studi

masalah

kelayakan

perlu

(perbaikan)

bila

dilakukan untuk menentukan apakah

sistem

dikembangkan

yang

akan

merupakan

solusi yang layak.




III. HASIL DAN KESIMPULAN 1. HASIL a. Dataset

8

DISIPLIN=CUKUP

9

DISIPLIN=TINGGI

10

Pada

analisis

proses

11

sistem menggunakan metode

12

Algoritma

CART

TRANSPORTASI = JALAN TRANSPORTASI = SEPEDA TRANSPORTASI = DIANTAR

13

KELAS 1 = RENDAH

14

KELAS 1 = CUKUP

dan

15

KELAS 1 = MEMUASKAN

prestasi siswa dari kelas 1,2,

16

KELAS 2 = RENDAH

dan 3. Data training yang

17

KELAS 2 = CUKUP

18

KELAS 2 = MEMUASKAN

19

KELAS 3 = RENDAH

20

KELAS 3 = CUKUP

21

KELAS 3 = MEMUASKAN

membutuhkan

inputan

data

siswa yaitu ekonomi, motivasi, disiplin,

transportasi

diambil berjumlah 85 data. Data yang digunakan adalah data siswa kelas 4, 5, dan 6 sekolah dasar pada tahun 2015. b. Kriteria Calon Cabang

DISIPLIN = (RENDAH, TINGGI ) DISIPLIN = (RENDAH, CUKUP ) TRANSPORTASI = (SEPEDA, DIANTAR ) TRANSPORTASI = (JALAN, DIANTAR ) TRANSPORTASI = (SEPEDA, JALAN) KELAS 1 = (CUKUP, MEMUASKAN) KELAS 1 = (RENDAH, MEMUASKAN) KELAS 1 = (RENDAH,CUKUP) KELAS 2 = (CUKUP, MEMUASKAN) KELAS 2 = (RENDAH, MEMUASKAN) KELAS 2 = (RENDAH,CUKUP ) KELAS 3 = (CUKUP, MEMUASKAN) KELAS 3 = (RENDAH, MEMUASKAN) KELAS 3 = (RENDAH,CUKUP )

Dari dataset yang telah tersusun,

selanjutnya

dilakukan

proses

akan

c. Penilaian Kinerja Calon Cabang

penentuan

Tahap selanjutnya yang harus

Calon cabang dari attribut yang

dilakukan setelah menentukan

ada. Sehingga terbentuk daftar

calon cabang adalah menghitung

calon cabang seperti pada tabel

kinerja calon cabang. dari hasil

1, yaitu sebagai berikut :

tersebut ditentukan nilai ɸ s tertinggi yang akhirnya akan

Tabel 1. Calon Cabang NO 1

CALON CABANG KIRI EKONOMI = RENDAH

2

EKONOMI = CUKUP

3

EKONOMI = TINGGI

4

MOTIVASI=RENDAH

5

MOTIVASI=CUKUP

6

MOTIVASI=TINGGI

7

DISIPLIN=RENDAH

CALON CABANG KANAN EKONOMI = (CUKUP, TINGGI ) EKONOMI = (RENDAH, TINGGI ) EKONOMI = (RENDAH, CUKUP ) MOTIVASI = (CUKUP, TINGGI ) MOTIVASI = (RENDAH, TINGGI ) MOTIVASI = (RENDAH, CUKUP ) DISIPLIN = (CUKUP, TINGGI )


dijadikan sebagai root node. Perhitungan

kinerja

calon

cabang akan dijelaskan pada tabel 2. Tabel 2. Tabel PL dan PR NO 1 2 3 2 4

PL 36/85 34/85 15/85 34/85 21/85

PR 49/85 51/85 70/85 51/85 64/85 simki.unpkediri.ac.id ||7||

Artikel Skripsi Universitas Nusantara PGRI Kediri 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

37/85 27/85 11/85 44/85 30/85 17/85 59/85 9/85 22/85 32/85 31/85 25/85 30/85 30/85 25/85 30/85 30/85

48/85 58/85 74/85 41/85 55/85 68/85 26/85 76/85 63/85 53/85 54/85 60/85 55/85 55/85 60/85 55/85 55/85

8

9

10

11

12

13

Tabel 3. Perhitungan 14

NO CALON CABANG

1

2

3

4

5

6

7

GOAL

RENDAH

12/44

10/41

CUKUP

25/44

6/41

MEMUASKAN

7/44

25/41

RENDAH

1/30

21/55

CUKUP

4/30

27/55

MEMUASKAN

25/30

7/55

RENDAH

2/17

20/68

CUKUP

10/17

21/68

MEMUASKAN

5/17

27/68

RENDAH

18/59

4/26

CUKUP

20/59

11/26

MEMUASKAN

21/59

11/26

RENDAH

2/9

20/76

CUKUP

1/9

30/76

MEMUASKAN

6/9

26/76

RENDAH

19/22

3/63

CUKUP

3/22

28/63

MEMUASKAN

0/22

32/63

RENDAH

3/32

19/53

CUKUP

22/32

9/53

MEMUASKAN

7/32

25/53

RENDAH

0/31

22/54

CUKUP

6/31

25/54

MEMUASKAN

25/31

7/54

RENDAH

21/25

1/60

CUKUP

4/25

27/60

MEMUASKAN

0/25

32/60

RENDAH

1/30

21/55

CUKUP

24/30

7/55

MEMUASKAN

5/30

27/55

RENDAH

0/30

22/55

P(j|tl)

P(j|tr)

RENDAH

12/36

10/49

CUKUP

16/36

15/49

MEMUASKAN

8/36

24/49

RENDAH

10/34

12/51

CUKUP

8/34

23/51

MEMUASKAN

16/34

16/51

RENDAH

0/15

22/70

CUKUP

8/15

24/70

CUKUP

3/30

28/55

MEMUASKAN

7/15

24/70

MEMUASKAN

27/30

5/55

RENDAH

17/21

5/64

RENDAH

21/25

1/60

CUKUP

4/21

27/64

CUKUP

4/25

27/60

MEMUASKAN

0/21

32/64

MEMUASKAN

0/25

32/60

RENDAH

5/37

17/48

RENDAH

1/30

21/55

CUKUP

7/37

24/48

CUKUP

23/30

8/55

MEMUASKAN

25/37

7/48

MEMUASKAN

6/30

26/55

RENDAH

0/27

22/58

RENDAH

0/30

22/55

CUKUP

2/27

29/58

CUKUP

4/30

27/55

MEMUASKAN

25/27

7/58

MEMUASKAN

26/30

6/55

RENDAH

9/11

13/74

CUKUP

2/11

29/74

MEMUASKAN

0/11

32/74


15

16

17

18

19

20

21



Tabel 4. Penilaian Kinerja Calon Cabang NO CALON CABANG

2PL Pr

Q(s|t)

f(s|t)

1

0,4883

0,5351

0,2613

2

0,48

3

0,2906

4

0,3720

5

0,4916

6

0,4335

7

0,2253

0,4314

0,6286

1,4628

1,0597

1,6105

1,285

14

0,4694

1,0354

0,486

15

0,4633

1,3536

0,6271

16

0,4152

1,6467

0,6837

17

0,4567

1,3455

0,6145

18

0,4567

1,6182

0,739

19

0,4152

1,6467

0,6837

20

0,4567

1,2424

0,5674

21

0,4567

1,5152

0,692

0,2071

0,1827

0,5442

0,5209

0,6981

0,2895

Dari perhitungan di atas calon cabang no 4 memiliki nilai 8

0,4994

9

0,4567

0,9013

0,4501

ɸs

tertinggi, yang berarti

calon cabang no 4 menjadi root 1,4121

0,6449

node pada perhitungan ini. Gambar 2 akan menunjukkan

10

0,32

0,5588

0,1788

11

0,4246

0,3024

0,1284

12

0,1893

0,6491

0,1229

gambaran dari root node. Kelas 2 = Memuaskan VS Rendah, Cukup Kelas 2 = memuaskan Node terminasi

13

0,3836

1,632

0,626


Kelas 2 = Rendah, cukup

Node Keputusan

Gambar 2. Root Node


2. KESIMPULAN Berdasarkan

permasalahan

yang telah dibahas dan diselesaikan melalui laporan ini, maka terdapat beberapa kesimpulan : 1.

Berdasarkan

hasil

pengujian,

aplikasi prediksi siswa sekolah dasar dengan Algoritma CART dinilai cukup bermanfaat dan membantu

para

melakukan

guru

prediksi

untuk prestasi

terhadap peserta didik 2.

Aplikasi

ini

telah

diuji

keakuratanya, dari 20 data tes yang

diambil

memperoleh

dari

nilai

dataset, keakuratan

sebesar 100%. Dengan demikian, metode Algoritma CART tepat digunakan pada kasus prediksi prestasi

siswa

sekolah

dasar.

Sehingga aplikasi ini sangat layak untuk

digunakan

dalam

melakukan prediksi.

IV. DAFTAR PUSTAKA [1] Susanto, Heri. 2014. Data Mining Untuk Memprediksi Prestasi Siswa Berdasarkan Sosial Ekonomi, Kedisiplinan, dan Prestasi Masa Lalu (Jurnal). Yogyakarta : Universitas Negeri Yogyakarta.

[2] Margareta. 2014. Pengertian Data Mining. (Online). Tersedia: http://garethdata.blogspot.com/2 010/03/pengertian-datamining.html, diunduh 10 Juni 2015. [3] Mulyanto, Aunur R. 2008. Rekayasa Perangkat Lunak (Jilid 1). Jakarta : Direktorat Pembinaan Sekolah Menengah Kejuruan, Direktorat Jendral Manajemen Pendidikan Dasar dan Menengah, Departemen Pendidikan Nasional.

JURNAL PREDIKSI PRESTASI SISWA SEKOLAH DASAR MENGGUNAKAN ALGORITMA CART PREDICTION ELEMENTARY SCHOOL STUDENT ACHIEVEMENT USING CART ALGORITHM

Recommend Documents