PENERAPAN STATISTIK DALAM DATA MINING QUISIONER KINERJA DOSEN STMIK PROFESIONAL MAKASSAR Sitti Arni Program Studi Sistem Informasi STMIK Profesional Makassar
[email protected] Abstrak STMIK Profesional senantiasa melakukan penilaian kinerja dosen melalui quisioner yang disebarkan kepada mahasiswa. Setelah pengolahan data quisioner kemudian hasilnya disampaikan kepada pihak yang membutuhkan selanjutnya data tersebut tersimpan dan menjadi bukti historis. Metode yang digunakan dalam penelitian ini adalah fungsi deskripsi datamining. Fungsi Deskripsi data mining dipergunakan untuk menggali hasil penelitian yang melibatkan data yang sangat besar untuk dijadikan ringkasan temuan fakta yang belum pernah diketahui secara spesifik. Fungsi deskripsi data mining dapat digunakan untuk analisa histori data. Tujuan yang ingin dicapai dalam penelitian ini adalah menampilkan informasi yang tersembunyi dari data histori quisioner evaluasi dosen menggunakan datamining. Kesimpulan dari penelitian ini adalah informasi tambahan yang dapat digunakan untuk mendukung pengambilan keputusan penentuan dosen pengampu matakuliah diperoleh melalui datamining deskripsi data histori quesioner evaluasi dosen. Kata Kunci : Data Mining, Kinerja Dosen, Fungsi Deskripsi A. LATAR BELAKANG MASALAH Data mining adalah metode yang
alami material data mining sebenarnya sudah terbentuk karena faktor rutinitas
digunakan untuk mengekstrak informasi
pada
saat
prediktif tersembunyi pada database yang
aktivitasnya.
perusahaan
melakukan
sangat potensial bagi perusahaan dalam
Sejak tahun 2010 hingga saat ini
memberdayakan data warehouse. Tools
STMIK Profesional senantiasa melakukan
data mining mampu memprediksi tren,
penilaian kinerja dosen melalui quisioner
prilaku sehingga perusahaan proaktif dan
yang
memperkaya pengetahuan atau informasi
Penyebaran quisioner biasanya dilakukan
dalam membuat keputusan. Tools data
pada saat final berlangsung setiap semester.
mining menjelajahi pola-pola tersembunyi
Setiap kelas untuk setiap matakuliah akan
dari basis data guna menemukan informasi
disebarkan 5 hingga 10 quisioner yang
prediktif yang mungkin manajer atau pakar
dijadikan sebagai sampel dan dianggap
akan melewatkan informasi tersebut karena
cukup mewakili jumlah populasi yang
diluar jangkauan ekspektasi mereka. Secara
berkisar antara 20 sampai 40 orang
disebarkan
kepada
mahasiswa.
1
mahasiswa
untuk
setiap
kelas
setiap
matakuliah. Quisioner yang terkumpul kemudian
diolah
dan
hasilnya
akan
quisioner evaluasi dosen pada STMIK Profesional Makassar.
disampaikan
kepada
dosen
yang
bersangkutan
sebagai
dasar
untuk
Penelitian dilaksanakan di STMIK
perbaikan selanjutnya, selain itu juga
Profesional Makassar, perguruan tinggi
disampaikan
yang
kepada
pimpinan
untuk
pengambilan keputusan.
kepada
dan pihak
diselenggarakan
oleh
Yayasan
Pendidikan Dipanegara yang berlokasi di
Setelah pengolahan data quisioner dilakukan
B. METODE PENELITIAN
hasilnya
Selatan.
membutuhkan
Data yang digunakan adalah data
selanjutnya data tersebut tersimpan dan
sekunder yaitu data yang sudah tercatat dan
menjadi bukti historis. Data yang tersimpan
sebagian sudah diolah selain itu diperlukan
baik adalah aset berharga bagi perusahaan.
data penunjang yang diperoleh dari hasil
Untuk
wawancara dan observasi.
itu
yang
disampaikan
Jl.A.P.Pettarani No.27 Makassar Sulawesi
penulis
bermaksud
untuk
mengoptimalkan penggunaan data tersebut
Desain
penelitian
untuk
Data
dengan menggali data lebih dalam untuk
Mining Quisioner Kinerja DosenSTMIK
dijadikan
Profesional Makassar yang diusulkan dapat
bentuk
laporan
yang
lain
sehingga memiliki nilai manfaat yang
digambarkan sebagai berikut :
lebih. Penelitian ini nantinya diharapkan dapat dijadikan acuan dalam pengambilan keputusan berikutnya khususnya terkait dengan penilaian kinerja dosen. Adapun rumusan masalah dalam penelitian
ini
adalah
bagaimana
Proses Data Lapor Data Quisio an Minin ner g Evalua si Gambar 1. Desain Penelitian Dosen Agar penelitian ini lebih terarah dan
menampilkan informasi yang tersembunyi dengan cara mendeskripsikan data histori
focus
Quisioner Evaluasi dosen pada STMIK
dikemukakan
Profesional
dilakukan
Makassar
?
Berdasarkan
pada
masalah maka
menggunakan
yang
telah
pelaksanaannya siklus
hidup
permasalahan yang dikemukakan, maka
pengembangan system atau lebih dikenal
tujuan
dari penelitian ini adalah untuk
sebagai SDLC (System Development Life
menampilkan informasi yang tersembunyi
Cycle). Adapun tahapan penelitian dapat
dengan cara mendeskripsikan data histori
digambarkan sebagai berikut : 2
penelitian yang melibatkan data yang
PencarianLit eratur
sangat besar untuk dijadikan ringkasan
Pengumpula n Data
temuan fakta yang belum pernah diketahui
Pengolahan Data
secara spesifik misalnya analisis kinerja dosen
AnalisisData
Implementasi Hasil
Gambar 2. TahapanPenelitian analisis
data
deskripsi
data
mining
penilaian
dosen
untuk analisa histori data misalnya untuk menentukan matakuliah yang akan diampu oleh dosen pada periode berikutnya.
C. HASIL
yang
digunakan untuk mendeskripsikan data dari questioner
Fungsi
yang
digunakan dalam penelitian ini adalah fungsi
matakuliah.
deskripsi data mining lebih tepat digunakan
PengujianHa sil
Teknik
pengampu
pengampu
matakuliah. Fungsi Deskripsi data mining bisa dipergunakan untuk menggali hasil
Adapun bobot
daftar
penilaian
yang
pertanyaan
dan
diberikan
dari
quisioner yang dijadikan sebagai dasar pengambilan sampel adalah sebagai berikut :
Tabel 1. Daftar pertanyaan Kuisioner dan bobot penilaian No
Unsur yang Dinilai 1
1 2 3 4 5 6 7 8 9 10 11 12 13
Rentang Nilai 2 3 4
Kesiapan Materi Penguasaan Materi Sistematika Penyajian Materi Konsistensi Kontrak Kuliah Pencapaian Tujuan Instruksional Penguasaan Metode dan Alat Bantu Perkuliahan Wawasan Aktual Dosen dan Relevansinya Kemampuan Dosen Bertanya kepada Mahasiswa Ketepatan Watu Dosen Memulai dan Mengakhiri Perkuliahan Kemauan dan Kemamouan Dosen Membantu Mahasiswa dalam Proses Belajar Mengajar Kebiasaan Dosen Memeriksa dan Mengembalikan Tugas Mahasiswa Objectivitas Dosen dalam Penilaian Kualitas Soal Ujian yang dibuat Dosen
Sumber : Biro Akademik dan Kemahasiswaan
3
yang
Dari tiga belas butir pertanyaan
ukuran lainnya.
tersedia,
butir
jawaban
setiap
butir
Persentase nilai setiap
pertanyaan
untuk
setiap
dosen
pertanyaan dijumlahkan untuk masing-
diperoleh dengan cara menentukan jumlah
masing dosen, selanjutnya jumlah jawaban
munculnya setiap bobot nilai dibagi jumlah
setiap butir pertanyaan dicari total nilainya
responden. Sedangkan selisih persentesa
dengan cara menjumlahkan semua data
setiap butir pertanyaan terhadap setiap
observasi yang dimiliki untuk setiap butir
dosen diperoleh dengan cara mengurangi
pertanyaan untuk setiap dosen. Rata-rata
persentase setiap butir pertanyaan antara
nilai
setiap dosen terhadap dosen lain untuk
(Mean)
yang
merupakan
keseimbangan
data.
Rata-rata
titik dapat
matakuliah yang sama.
ditentukan dengan cara menjumlahkan
Berdasarkan hasil pengolahan data,
semua data, kemudian dibagi dengan
diperoleh informasi tentang perbandingan
banyaknya data. Nilai modus merupakan
hasil
nilai observasi yang paling sering muncul.
mahasiswa terhadap dosen A dan B yang
Adakalanya modus lebih mencerminkan
mengajarkan matakuliah X dapat dilihat
lokasi
pada tabel berikut :
kecenderungan
berkumpulnya
pengolahan
data
questioner
sebagian besar data dibandingkan ukuranTabel 2. Perbandingan Hasil Pengolahan Data Butir Pertanyaan
Dosen A
Dosen B
Mean
Modus
Persen
Total
Mean
Modus
Persen
Selisih Persentase
1 57 2.85 2 65 3.25 3 61 3.05 4 53 2.65 5 52 2.60 6 60 3.00 7 59 2.95 8 52 2.60 9 59 2.95 10 58 2.90 11 61 3.05 12 59 2.95 13 62 3.10 Sumber : Data diolah 2015
3 3 3 3 3 3 3 3 3 3 3 3 3
0.65 0.60 0.45 0.70 0.70 0.85 0.70 0.50 0.65 0.60 0.55 0.70 0.75
59 60 60 62 56 62 62 59 63 62 59 57 61
2.95 3.00 3.00 3.10 2.80 3.10 3.10 2.95 3.15 3.10 2.95 2.85 3.05
3 3 3 3 3 3 3 3 3 3 3 3 3
0.60 0.50 0.45 0.70 0.65 0.60 0.70 0.40 0.45 0.60 0.40 0.65 0.65
0.05 0.1 0 0 0.05 0.25 0 0.1 0.2 0 0.15 0.05 0.1
Total
4
hal
D. PEMBAHASAN Total menunjukkan jumlah dari jawaban untuk dua puluh orang responden
tersebut
(mean)
menjamin
untuk
matakuliah yang lainnya. E. KESIMPULAN
terhadap setiap butir pertanyaan. Rata-rata
tidak
Berdasarkan kegiatan penelitian ini
menyatakan
dapat
disimpulkan
bahwa
datamining
bahwa pada umumnya mahasiswa yang
deskripsi data histori quesioner evaluasi
mengisi kuesioner penilaian kinerja dosen
dosen
A terhadap matakuliah X memilih angka 3
tambahan yang dapat digunakan untuk
(Baik) demikian juga penilaian kinerja
mendukung
dosen B terhadap matakuliah X rata-rata
penentuan dosen pengampu matakuliah.
mahasiswa memilih angka 3 (baik)
DAFTAR PUSTAKA
Modus menunjukkan nilai yang
[1]
dapat
memberikan
pengambilan
informasi
keputusan
Hermawati, Fajar Astuti.2009. Data
paling sering muncul, yang menunjukkan
Mining. Surabaya : PenerbitAndi.
bahwa
Yogyakarta.
dosen
A
yang
mengampu
matakuliah X secara umum berdasarkan
[2]
Indrajani,
S.Kom.,
MM.
2011.
penilaian kinerja dosen tersebut memiliki
Perancangan Basis Data dalam All
nilai 3 (baik)
In 1. Elex Media. Jakarta.
Berdasarkan
tabel
Perbandingan
[3]
Kusrini. 2007. Konsep dan Aplikasi
Hasil Pengolahan Data terlihat bahwa dari
Sistem Pendukung Keputusan. Andi.
20 responden yang berbeda kedua dosen
Yogyakarta.
yang mengajarkan matakuliah yang sama
[4]
Kusrini, dan Luthfi, Emha Taufiq.
diperoleh modus (nilai observasi yang
2009. Algoritma Data Mining. Andi.
paling sering muncul) pada setiap butir
Yogyakarta.
pertanyaan
adalah
3
(Baik).
Namun
[5]
Prasetyo, Eko. 2012. Data Mining
berdasarkan persentase dari 20 responden
Konsep dan Aplikasi menggunakan
untuk masing-masing dosen terlihat bahwa
MATLAB. Andi. Gresik.
Dosen A memiliki nilai yang lebih tinggi
[6]
dibandingkan dengan Dosen B. Dari
Informasi
tersebut
Sani Susanto. 2010. Pengantar Data Mining Menggali Pengetahuan dari
dapat
disimpulkan bahwa dosen A memiliki nilai
Bongkahan Data. Andi. Yogyakarta. [7]
Sulianta, Feridan Dominikus Juju.
yang lebih baik dibandingkan dengan
2010.
dosen B untuk satu jenis matakuliah namun
Bisnis
Data Mining Meramalkan Perusahaan.
Elex
Media
Komputindo. Bandung. 5
6
