Kode/Nama Rumpun Ilmu: 463/Teknik Perangkat Lunak
LAPORAN KEMAJUAN PENELITIAN DOSEN PEMULA
SISTEM REKOMENDASI PENENTUAN JURUSAN KULIAH BERBASIS PROFIL DAN MINAT SISWA UNTUK MENGANTISIPASI KESALAHAN PEMILIHAN JURUSAN CALON MAHASISWA BARU
Tahun ke-1 dari rencana 1 tahun Desi Purwanti Kusumaningrum, M.Kom Noor Ageng Setiyanto, M.Kom Erwin Yudi Hidayat, M.CS
0613127701 0603127301 0605078501
UNIVERSITAS DIAN NUSWANTORO SEMARANG 2016
i
ii
RINGKASAN Kegagalan studi mahasiswa pada kuliah merupakan salah satu masalah serius yang kita hadapi saat ini. Data dari Pusat Statistik Pendidikan Badan Penelitian dan Pengembangan Departemen Pendidikan Nasional Republik Indonesia menunjukkan bahwa persentase kelulusan mahasiswa tepat waktu pada tahun 2001 hingga 2011 hanya mencapai 51,97% saja. Selain itu, kasus mahasiswa Drop Out mahasiswa pada semester awal juga cukup signifikan. Salah satu penyebab kegagalan studi ini adalah kesalahan pemilihan jurusan pada saat mendaftar kuliah. Kurangnya informasi tentang jurusan yang akan dipilih membuat calon mahasiswa sering hanya mengandalkan rekomendasi dari teman atau keluarga yang mungkin memiliki profil akademik dan minat yang berbeda. Penelitian ini menawarkan sistem rekomendasi pemilihan jurusan kuliah yang dibangun berdasarkan data profil dan minat mahasiswa lama yang berhasil secara akademik, dengan menggunakan teknik Association Rule. Hasil dari aturan hubungan tersebut kemudian akan dicocokkan dengan calon mahasiswa baru dengan menggunakan kuisioner dinamis, sehingga diharapkan calon mahasiswa baru mendapatkan rekomendasi jurusan kuliah yang lebih valid sesuai dengan profil dan minatnya masing-masing. Sistem yang akan dibangun pada penelitian ini akan memanfaatkan data mahasiswa yang tersimpan pada sistem akademik Universitas Dian Nuswantoro dan kuisioner tambahan yang akan disebarkan secara online. Karena menggunakan teknik Data Mining, aturan relasi yang dibuat dapat diperbaharui dengan cepat saat mendapatkan fakta baru yang berpengaruh, tanpa harus membongkar sistem. Meskipun studi kasus yang digunakan adalah pada Universitas Dian Nuswantoro, model yang dibangun dapat diadaptasi oleh semua universitas yang telah memiliki sistem informasi akademik. Pada akhirnya sistem ini diharapkan dapat digunakan untuk meminimalkan kegagalan studi mahasiswa yang disebabkan kesalahan pemilihan jurusan.
iii
PRAKATA . Dengan memanjatkan puji syukur kehadirat Allah SWT. Tuhan Yang Maha Pengasih dan Maha Penyayang yang telah melimpahkan segala rahmat, hidayah dan inayah-Nya kepada penulis sehingga penelitian dengan judul “Sistem Rekomendasi Penentuan Jurusan Kuliah Berbasis Profil dan Minat Siswa untuk Mengantisipasi Kesalahan Pemilihan Jurusan Calon Mahasiswa Baru” dapat penulis selesaikan sesuai dengan rencana karena dukungan dari berbagai pihak yang tidak ternilai besarnya. Oleh karena itu penulis menyampaikan terima kasih kepada : 1. Direktur
Jenderal
Pendidikan
Tinggi
Kementerian
Pendidikan
dan
Kebudayaan Republik Indonesia yang telah memberikan dana sehingga penelitian ini dapat direalisasikan. 2. Kepala Dinas Kebudayaan dan Pariwisata Provinsi Jawa Tengah. 3. Doktor Ir. Edi Noersasongko, M.Kom, selaku Rektor Universitas Dian Nuswantoro Semarang. 4. Doktor Abdul Syukur, selaku Dekan Fakultas Ilmu Komputer Universitas Dian Nuswantoro. 5. Kepala LP2M Universitas Dian Nuswantoro. 6. Semua pihak terkait yang tidak dapat peneliti sebutkan satu persatu.
Peneliti sangat berharap penelitian ini dapat semakin disempurnakan lagi sehingga dapat menjadi lebih bermanfaat dalam upaya untuk meningkatkan rasa cinta masyarakat terhadap warisan budaya Bangsa Indonesia.
Semarang, 1 Agustus 2016
Peneliti
iv
DAFTAR ISI RINGKASAN ........................................................................................................ iii PRAKATA............................................................................................................. iv DAFTAR ISI........................................................................................................... v DAFTAR TABEL.................................................................................................. vi DAFTAR GAMBAR ............................................................................................ vii DAFTAR LAMPIRAN........................................................................................ viii BAB 1 PENDAHULUAN ...................................................................................... 1 1.1. Latar Belakang ........................................................................................ 1 1.2. Rumusan Masalah ................................................................................... 3 1.3. Potensi Luaran......................................................................................... 3 BAB 2 TINJAUAN PUSTAKA ............................................................................. 4 2.1 Sistem Rekomendasi ............................................................................... 4 2.2 Sistem Rekomendasi dalam Pendidikan ................................................. 4 2.3 Data Mining dalam Dunia Pendidikan.................................................... 5 BAB 3 TUJUAN DAN MANFAAT PENELITIAN ............................................. 7 3.1 Tujuan Penelitian .................................................................................... 7 3.2 Manfaat Penelitian .................................................................................. 7 BAB 4 METODE PENELITIAN ........................................................................... 8 4.1 Tahapan Penelitian .................................................................................. 8 4.2 Lokasi dan Objek Penelitian ................................................................. 10 4.3 Metode Pengumpulan Data ................................................................... 10 4.4 Gambaran Umum Sistem ...................................................................... 11 4.4.1 Back-end System ..................................................................................11 4.4.2 Front-end System.................................................................................15 BAB 5 HASIL YANG DICAPAI ......................................................................... 17 5.1 Hambatan dan Penanganan ......................................................................... 18 BAB 6 RENCANA TAHAPAN BERIKUTNYA ............................................... 19 BAB 7 KESIMPULAN DAN SARAN ................................................................ 20 7.1 Kesimpulan ................................................................................................. 20 7.2 Saran............................................................................................................ 20 DAFTAR PUSTAKA ........................................................................................... 21 LAMPIRAN.......................................................................................................... 23 Lampiran 1. Bukti Submission Artikel Ilmiah pada CITEE 2016 ........................ 23 Lampiran 2. Surat Permohonan Ijin Penelitian ..................................................... 24 Lampiran 3. Laporan Penggunaan Dana............................................................... 25
v
DAFTAR TABEL
Tabel 5.1 Capaian Penelitian............................................................................ Tabel 5.2 Hambatan dan Penanganan ..............................................................
vi
17 18
DAFTAR GAMBAR
Gambar 4.1 Tahapan Penelitian ....................................................................... Gambar 4.2 Konfigurasi Basis Data................................................................. Gambar 4.3 Konfigurasi index.php.................................................................. Gambar 4.4 Representasi data di dalam back-end ........................................... Gambar 4.5 Representasi data di dalam Excel ................................................. Gambar 4.6 Implementasi data mining pada back-end.................................... Gambar 4.7 Tampilan utama sistem rekomendasi ........................................... Gambar 4.8 Hasil penelusuran jurusan mahasiswa..........................................
vii
8 11 12 13 14 15 15 16
DAFTAR LAMPIRAN Lampiran 1. Bukti Submission Artikel Ilmiah pada CITEE 2016 ................... Lampiran 2. Surat Permohonan Ijin Penelitian ................................................ Lampiran 3. Laporan Penggunaan Dana..........................................................
viii
23 24 25
BAB 1 PENDAHULUAN
1.1. Latar Belakang Persentase jumlah mahasiswa lulus tepat waktu perguruan tinggi merupakan salah satu faktor yang menentukan kualitas perguruan tinggi (PP No. 66 tahun 2010). Berdasarkan data dari Pusat Statistik Pendidikan Badan Penelitian dan Pengembangan Departemen Pendidikan Nasional Republik Indonesia, dari 3011 jumlah perguruan tinggi di Indonesia, pada tahun 2001 sampai dengan 2010 perguruan tinggi menerima rata-rata sebanyak 868.050 mahasiswa dan hanya meluluskan rata-rata 451.168 mahasiswa setiap tahunnya atau hanya mencapai 51,97% dari jumlah mahasiswa baru (Hastuti, 2012). Sedangkan di Jawa Tengah, dari 250 lembaga penyelenggara perguruan tinggi negeri dan swasta tercatat mahasiswa baru 73.656 dengan jumlah mahasiswa (student body) 325.358 dan jumlah lulusan hanya 53.307.
Bahkan untuk perguruan tinggi besar seperti Institut Teknologi Sepuluh November (ITS), minimnya jumlah lulusan juga menjadi masalah, seperti diungkapkan
pada
penelitian
(Khoirunnisak,
2011).
Penelitian
tersebut
menunjukkan bahwa dari 434 mahasiswa ITS, mayoritas mahasiswa drop out pada semester kedua dan keempat dengan rata-rata nilai Indeks Prestasi Kumulatif (IPK) dan TPB mahasiswa drop out masing-masing adalah 1,7908. Sebanyak 49,8 % mahasiswa drop out berusia 18 tahun di mana 338 mahasiswa dari 434 yang drop out berasal dari wilayah Jawa Timur. Persentase mahasiswa drop out yang berasal dari sekolah negeri adalah sebesar 77 % dengan pekerjaan orang tua terbanyak adalah pegawai negeri dengan penghasilan mayoritas antara 500.0002.500.000. Dari 434 mahasiswa, 281 orang masuk melalui jalur SNMPTN.
Salah satu faktor kegagalan mahasiswa dalam bidang akademik adalah karena jurusan yang dipilih tidak sesuai dengan minat dan kemampuan mahasiswa tersebut. Kecenderungan calon mahasiswa untuk mendaftar karena mengikuti tren 1
atau paksaan orang tua memberikan dampak negatif pada performa akademik mahasiswa. Mahasiswa yang salah memilih jurusan tidak dapat mengikuti perkuliahan yang disampaikan sehingga menurunkan penghargaan terhadap diri sendiri, dan akhirnya berdampak pada kegagalan pada studinya. Meskipun belum ada penelitian lebih lanjut tentang dampak salah pemilihan jurusan, namun beberapa berita dari media seperti (DO Akibat Salah Jurusan, 2013) dan (Awas, Salah Jurusan Fatal Akibatnya!, 2013) menemukan kecenderungan mahasiswa drop out di semester awal karena salah memilih jurusan.
Calon mahasiswa baru memerlukan rekomendasi pemilihan jurusan atau program studi kuliah yang sesuai dengan minat dan kemampuan mereka, bukan hanya didasarkan pada rekomendasi teman atau keluarga yang mungkin memiliki minat dan bakat yang berbeda. Rekomendasi akan lebih valid jika didasarkan pada data dan pengalaman mahasiswa lain yang telah memasuki kuliah sebelumnya.
Universitas Dian Nuswantoro (Udinus) memiliki sistem informasi akademik yang disebut sebagai Sistem Informasi Akademik Universitas Dian Nuswantoro (SiAdin) yang menyimpan data profil mahasiswa dan riwayat akademik mahasiswa mulai dari pertama kali masuk hingga wisuda. Informasi yang tersimpan pada SiAdin tersebut dapat dimanfaatkan sebagai pengetahuan (knowledge) (El-Halees, 2008) sistem rekomendasi penentuan jurusan dengan menggunakan teknik data mining (Witten, 2011). Meski demikian, belum ada yang memanfaatkan data tersebut untuk menjadi sistem rekomendasi. Salah satu alasannya karena data yang tersimpan dalam SiAdin masih belum mencukupi untuk dijadikan sistem rekomendasi.
Penelitian ini berupaya untuk mengembangkan sistem rekomendasi dengan memanfaatkan teknik data mining pada data SiAdin, kemudian menggunakan kuisioner untuk mengisi kekurangan data yang diperlukan.
2
1.2. Rumusan Masalah Dari latar belakang di atas, dapat dirumuskan permasalahan yang akan diselesaikan dalam penelitian ini adalah bagaimana mengembangkan sistem rekomendasi pemilihan jurusan kuliah dengan memanfaatkan data profil dan kemampuan siswa yang terdapat pada SiAdin, serta mengombinasikannya dengan data hasil isian kuisioner untuk melengkapi data yang diperlukan
1.3. Potensi Luaran Penelitian ini akan menghasilkan potensi luaran berupa: 1. Publikasi artikel ilmiah tingkat nasional dan atau internasional. 2. Produk tepat guna yang dapat digunakan calon mahasiswa baru untuk mendapatkan rekomendasi jurusan yang cocok dengan profil dan minat bakat masing-masing.
3
BAB 2 TINJAUAN PUSTAKA
2.1 Sistem Rekomendasi Sistem rekomendasi merupakan program aplikasi yang digunakan untuk memberikan sugesti sebuah produk, servis, dan informasi sebuah benda terhadap konsumen potensial (Huang, 2006). Sistem ini biasa digunakan pada bisnis perbelanjaan elektronik untuk menawarkan produk-produk tertentu pada konsumen berdasarkan kesukaanya sendiri. Selain digunakan pada jual beli online, sistem rekomendasi juga banyak digunakan pada aplikasi jejaring sosial (Özseyha, 2012) untuk memberi sugesti kepada pengguna, tentang pengguna lain yang mungkin dikenal, atau mempunyai ketertarikan yang sama dengan pengguna tersebut. Teknik association rule data mining biasanya digunakan untuk membangun sistem rekomendasi ini, seperti pada (Mican, 2010), (Smith et al, 2005), dan (Lin, 2000). Sehingga rekomendasi yang diberikan bukan hanya sekedar berdasarkan terkaan saja, namun berasal dari fakta empiris yang ada. Selain itu kelebihan penggunaan data mining sebagai perangkat untuk membuat rekomendasi adalah aturan atau pengetahuan rekomendasinya dapat diperbaharui berdasarkan faktafakta baru yang mungkin muncul dan berpengaruh pada hasilnya. 2.2 Sistem Rekomendasi dalam Pendidikan Beberapa penelitian yang membahas penggunaan sistem rekomendasi dalam dunia pendidikan diantaranya adalah (Nurfitriana, 2012) yang menggunakan pendekatan
prosedural,
menerjemahkan
hasil
wawancara
dengan
pakar
pendidikan ke dalam pohon aturan yang digunakan sebagai mesin untuk memilih jurusan yang tepat. Kekurangan sistem ini adalah penggunan harus mengerjakan serangkaian Tes Potensi Akademik (TPA) terlebih dahulu untuk mendapatkan rekomendasi. Selain itu pohon keputusan yang dibuat bersifat pasti, tidak dapat
4
otomatis berubah meskipun ada fakta baru atau pengetahuan baru dari pakar lain. 5
Penelitian lain yang menggunakan sistem rekomendasi dalam pendidikan adalah (Diahpangastuti, 2012). Pada penelitian tersebut menggunakan association rule data mining untuk menentukan pemilihan topik skripsi mahasiswa didasarkan pada performa akademiknya selama belajar di perguruan tinggi. Meski menggunakan teknik yang sama, implementasi penelitian tersebut berbeda dengan penelitian ini, terutama pada bagian implementasinya dan juga pengolahan datanya.
2.3 Data Mining dalam Dunia Pendidikan Data mining dalam dunia pendidikan dikenal dengan Educational Data Mining (EDM) (Marques-Vera, 2011). Educational Data Mining muncul terkait dengan pengembangan metode untuk menggali data pendidikan untuk lebih memahami perilaku mahasiswa. Dengan memahami perilaku mahasiswa maka dapat diprediksi mahasiswa yang berpotensi gagal dalam akademik.
Penelitian tentang klasifikasi algoritma data mining untuk prediksi mahasiswa yang memiliki potensi drop out dilakukan oleh (Kotsiantis, 2010) dengan menggunakan 354 mahasiswa Hellenic Open University sebagai data set. Kotsiantis mengelompokkan 2 kelompok atribut yaitu: berbasis kurikulum dan kinerja mahasiswa. Atribut kelompok berbasis kurikulum terdiri atas jenis kelamin, usia, status marital, jumlah anak, pekerjaan, kemampuan komputer, dan hubungan pekerjaan dengan komputer. Adapun atribut dalam kelompok kinerja mahasiswa terdiri atas tatap muka ke-1, tugas ke-1, tatap muka ke-2, dan tugas ke2. Implementasi yang digunakan adalah WEKA. Kotsiantis (2010) menggunakan enam algoritma yaitu decision tree, neural network, naïve bayes, instance-based learning, logistic regression, dan support vector machine.
5
Penelitian oleh Kovacic (2010) menyelidiki latar belakangsocio-demographic mahasiswa dengan menggunakan atribut (usia, jenis kelamin, etnis, pendidikan, status pekerjaan dan kekurangan) dan study environment (program studi dan course block). Data dianalisa dengan menggunakan SPSS 17 dan Statistika 8. 6 Penelitian tersebut dilakukan untuk mengetahui faktor-faktor yang mempengaruhi kelancaran atau drop out mahasiswa di Open Polytechnic of New Zealand dengan menggunakan 450 data set mahasiswa memanfaatkan algoritma CART.
6
BAB 3 TUJUAN DAN MANFAAT PENELITIAN
3.1 Tujuan Penelitian Tujuan dari penelitian ini adalah dikembangkannya sistem rekomendasi pemilihan jurusan yang memanfaatkan data profil mahasiswa yang tersimpan pada SiAdin dan mengombinasikannya dengan kuisioner untuk membantu calon mahasiswa menentukan jurusan. Sehingga calon mahasiswa mendapatkan informasi mengenai jurusan yang cocok untuk dirinya. 3.2 Manfaat Penelitian Hasil penelitian ini akan dapat memberikan manfaat sebagai berikut: 1. Sistem rekomendasi yang dihasilkan diharapkan dapat meningkatkan angka kelulusan mahasiswa dan sebaliknya juga menekan angka kegagalan studi mahasiswa yang dikarenakan salah jurusan. 2. Gabungan teknik yang digunakan pada penelitian ini, selama studi pustaka dilakukan, belum pernah digunakan pada penelitian sistem rekomendasi sebelumnya. Pengetahuan yang didapatkan bisa diperbaharui setelah didapatkan fakta terbaru tanpa harus membangun ulang sistem.
7
BAB 4 METODE PENELITIAN
4.1 Tahapan Penelitian
Gambar 4.1 Tahapan Penelitian
Penelitian ini menggunakan metode kuantitatif dengan tahapan ditunjukkan pada gambar 4.1, dengan penjelasan lebih lanjut sebagai berikut. Penelitian ini dimulai dengan mengumpulkan data awal tentang sistem rekomendasi, apa saja yang dibutuhkan, dan bagaimana cara untuk membuat sistem tersebut. Tahapan ini akan menghasilkan proposal yang berisi kajian dan rumusan masalah serta teori awal tentang sistem rekomendasi jurusan kuliah.
Pada tahap selanjutnya setelah mengumpulkan data awal, dilakukan studi pustaka dengan mencari-cari referensi pada artikel ilmiah dan sumber informasi online.
Tujuannya adalah untuk mendapatkan gambaran bagaimana membangun sistem rekomendasi jurusan kuliah dan faktor apa saja yang perlu diperhatikan dalam pengembangan sistem tersebut.
8
Tahap ketiga penelitian adalah melakukan wawancara dengan beberapa sumber terutama ketua program studi pada Udinus untuk mendapatkan informasi faktor apa saja yang dapat menjadi pertimbangan pemilihan sebuah jurusan pada sebuah perguruan tinggi. Luaran dari wawancara ini digunakan untuk menyusun kuisioner yang akan dibagikan kepada mahasiswa. Setelah siap, kuisioner akan disebarkan melalui SiAdin agar semua mahasiswa bisa mengakses dan mengisi kuisioner dengan mudah. Jawaban kuisioner mahasiswa akan disesuaikan dengan profil mahasiswa yang bersangkutan, termasuk performa akademik mahasiswa dan profil demografi.
Hasil kuisioner yang digabungkan dengan profil mahasiswa kemudian akan diolah dengan menggunakan algoritma association rule untuk mendapatkan keterkaitan data isian kuisioner dan prestasi dan profil mahasiswa. Luaran dari tahap ini akan didapatkan sebuah aturan keterkaitan antara IPK mahasiswa yang diasumsikan sebagai persentase keberhasilan dengan profil dan isian kuisioner. Aturan keterkaitan tersebut akan dijadikan acuan rekomendasi pemilihan jurusan kuliah. Langkah selanjutnya setelah didapatkan aturan keterkaitan adalah menguji coba aturan tersebut dengan beberapa data baru untuk mendapatkan angka performa dan validitas.
Setelah proses pembuatan aturan keterkaitan selesai, maka dibuat antarmuka aplikasi rekomendasi yang akan terhubung langsung dengan calon mahasiswa. Aplikasi akan dikembangkan dengan berbasis web, sehingga pengguna (siswa calon pendaftar perguruan tinggi) dapat mengakses secara mudah dengan memanfaatkan internet.
Langkah terakhir dari penelitian ini adalah penarikan kesimpulan dan pembuatan laporan akhir, termasuk membuat makalah artikel ilmiah tingkat nasional dan atau internasional.
9
4.2 Lokasi dan Objek Penelitian Kegiatan penelitian dilakukan di Universitas Dian Nuswantoro, Jalan Nakula I No. 11-15 dan Jalan Imam Bonjol no.204 Semarang 50131. Adapun objek yang menjadi target penelitian adalah siswa yang mendaftar sebagai calon mahasiswa program studi jenjang strata 1 Universitas Dian Nuswantoro.
Pada saat laporan ini disusun, proses penerimaan mahasiswa baru tahun 2016 di UDINUS masih berjalan. Sehingga, penulis menggunakan data mahasiswa Fakultas Ilmu Komputer tahun 2014 dan 2015 sebagai contoh dan sampling. 4.3 Metode Pengumpulan Data Berdasarkan tahapan penelitian yang telah dijelaskan sebelumnya, metode pengumpulan data yang dilakukan pada penelitian ini meliputi: 1.
Metode Wawancara Dalam penelitian ini narasumber berasal dari ketua program studi yang ada pada Udinus. Topik wawancara akan difokuskan pada faktor apa saja yang sebaiknya menjadi pertimbangan pemilihan program studi. Hasil wawancara ini akan dijadikan dasar untuk membuat kuisioner pada tahap selanjutnya.
2.
Studi Pustaka Studi pustaka dilakukan untuk mendapatkan informasi tambahan tentang pertimbangan pemilihan program studi dan sekaligus mencari alternatif teknik yang akan digunakan untuk mengolah data. Pada tahap ini peneliti akan mempelajari buku-buku kepustakaan, jurnal ilmiah, dan informasi dari internet, serta referensi terkait mengenai segala sesuatu yang berhubungan dengan kebutuhan penelitian.
3.
Kuisioner Melalui SiAdin Kuisioner akan dibagikan secara acak terhadap mahasiswa Udinus dengan menggunaan Sistem Akademik Online. Penggunaan sistem akademik untuk sarana pengisian kuisioner berguna untuk memudahkan pengumpulan data tanpa harus mendatangi mahasiswa satu persatu. selain itu dengan
10
mengintegrasikan dengan Sistem akademik dapat diketahui dengan mudah profil mahasiswa pengisi kuisioner. 4.4 Gambaran Umum Sistem Secara garis besar, sistem rekomendasi ini disusun atas dua bagian terpisah namun saling terkait.
4.4.1 Back-end System Bagian pertama, yang disebut dengan back-end system adalah bagian yang mengacu pada program dan skrip yang bekerja pada server di balik layar untuk membuat sebuah tampilan yang dinamis. Beberapa tugas yang umumnya berlangsung pada back-end adalah: 1. Desain informasi, seperti bagaimana informasi diatur di server 2. Pemrosesan form 3. Koneksi terhadap basis data
Gambar 4.2Konfigurasi Basis Data
Beberapa tugas back-end system disajikan dalam gambar-gambar berikut.
11
Gambar 4.3Konfigurasi index.php
12
Gambar 4.4Representasi data di dalam back-end
13
Gambar 4.5Representasi data di dalam Excel
14
Gambar 4.6Implementasi data mining pada back-end 4.4.2 Front-end System Bagian ini mengacu padasemua sektor mulai dari proses desain yang muncul atau berhubungan dengan antarmuka sistem rekomendasi. Pada umumnya, beberapa tugas pada front-end adalah: 1. Desain grafis dan pembuatan gambar 2. Desain antarmuka 3. Desain informasi berkaitan dengan kemudahan pengguna memanfaatkan sistem
Gambar 4.7 Tampilan utama sistem rekomendasi
15
Gambar 4.8 Hasil penelusuran jurusan mahasiswa
16
BAB 5 HASIL YANG DICAPAI
Beberapa capaian yang ditargetkan pada penelitian ini dijabarkan dalam beberapa tahap sesuai jadwal kegiatan yang tercantum dalam proposal. Adapun realisasi dari target output dan capaian tersebut dapat diamati dalam tabel 5.1 berikut ini: Tabel 5.1 Capaian Penelitian No. 1
2
3
4
5
Tahap
Target Output
Pengumpulan Data Awal Mengumpulkan Menghasilkan proposal yang data dan kebutuhan berisi kajian dan rumusan sistem masalah serta teori awal tentang sistem rekomendasi jurusan kuliah Studi Pustaka Melakukan studi Mendapatkan gambaran pustaka dengan bagaimana membangun sistem mencari-cari rekomendasi jurusan kuliah dan referensi pada faktor apa saja yang perlu artikel ilmiah dan diperhatikan dalam sumber informasi pengembangan sistem tersebut online Wawancara dan Pembuatan Kuisioner Mendapatkan Menyusun draf kuisioner yang informasi faktor apa akan dibagikan kepada saja yang dapat mahasiswa menjadi pertimbangan pemilihan sebuah jurusan pada sebuah perguruan tinggi Mengolah Data Kuisioner Menyusun Aturan keterkaitan antara IPK mahasiswa yang diasumsikan Association rule sebagai persentase keberhasilan dengan profil dan isian kuisioner Uji Coba Hasil Kuisioner Data Mining Melakukan testing Menguji coba aturan dengan beberapa data baru
17
Capaian (%) 100
100
80
80
80
6
7
Pembuatan Antarmuka MelakukanInterface Perancangan frontend sistem rekomendasi berbasis web Design Penarikan Kesimpulan dan Pembuatan Laporan Menyusun laporan Laporan akhir dan publikasi akhir dan artikel artikel ilmiah
60
50
5.1 Hambatan dan Penanganan Saat melakukan penelitian ini, ada beberapa hambatan yang dihadapi peneliti antara lain sebagai berikut: Tabel 5.2Hambatan dan Penanganan Hambatan
Penanganan
Data yang dikumpulkan mahasiswa
Melakukan simulasi menggunakan
baru banyak yang tidak lengkap,
data mahasiswa angkatan
sehingga peneliti menemui hambatan
sebelumnya (tahun 2014 dan 2015)
untuk melakukan koleksi data.
yang memiliki atribut lebih lengkap
Penyusunan association rule
Menggunakan algoritma naïve bayes
memerlukan uji coba dan pengujian
dalam melakukan uji coba data penelitian
18
BAB 6 RENCANA TAHAPAN BERIKUTNYA
Penelitian ini masih memiliki beberapa kegiatan dan target capaian yang belum terpenuhi. Kegiatan yang masih belum dilakukan dan akan dijalankan pada tahap berikutnya adalah sebagai berikut: 1. Pengumpulan dan pengolahan data yang lengkap, termasuk pengembangan kuisioner guna memastikan proses olah data menggunakan metode data mining dan penarikan kesimpulan lebih akurat 2. Pengembanganantarmuka dan publikasi sistem rekomendasi supaya bisa diakses oleh lebih banyak pengguna
19
BAB 7 KESIMPULAN DAN SARAN
7.1Kesimpulan Sistem rekomendasi penentuan jurusan kuliah berbasis profil dan minat siswa dapat menjadi solusi untuk mengantisipasi kesalahan pemilihan jurusan calon mahasiswa
baru.Sistem
rekomendasi
yang
dihasilkan
diharapkan
dapat
meningkatkan angka kelulusan mahasiswa, dan sebaliknya juga menekan angka kegagalan studi mahasiswa yang dikarenakan salah jurusan. Meskipun saat ini masih dalam tatahp pengembangan untuk kalangan internal Udinus, namun sistem ini nantinya bisa dimanfaatkan sebagai rujukan pada instansi lain atau lembaga terkait dalam upaya meminimalkan kesalahan pemilihan jurusan, atau menemukan rekomendasi yang tepat bagi calon mahasiswa baru.
7.2 Saran Sistem rekomendasi penentuan jurusan kuliah yang dihasilkan diharapkan dapat meningkatkan angka kelulusan mahasiswa, serta meminimalkan angka kegagalan studi mahasiswa yang dikarenakan salah jurusan. Oleh karena itu perlu ditambahkan beberapa hal untuk menunjang agar sistem berjalan dengan baik. Di atanyaranya adalah sebagai berikut: 1. Koleksi data lebih dengan atribut lebih lengkap, sebagai materi utama untuk penarikan kesimpulan dengan lebih akurat 2. Desain antarmuka yang lebih mudah dipahami dan dimanfaatkan oleh pengguna akhir 3. Menambahkan aspek user friendly dan security atau keamanan pada sistem, terutama modul profil calon mahasiswa sehingga tidak disalahgunakan oleh sembarang orang
20
DAFTAR PUSTAKA Awas, Salah Jurusan Fatal Akibatnya!, 2013, diakses pada 11 Juni 2013 http://campuslifemagz.beritasatu.com/landing.php?kategori=study&id=38 8 Diahpangastuti, N., 2012. Sistem Rekomendasi Bidang Minat Siswa dengan Metode Association Rule dan Algoritma Apriori. Skripsi S1 Teknik Informatika FTIF Institut Teknologi Sepuluh November DO Akibat Salah Jurusan, 2013, diakses pada 10 Juni 2013, http://edukasi.kompas.com/read/2010/11/10/05360848/DO.akibat.Salah.Ju rusan El-Halees, A., 2008. Mining Students Data to Analyze Learning Behavior: A Case Study. In Proceeding of The 2008 International Arab Conference of Information Technology (ACIT2008) Hastuti, K., 2012. Analisis Komparasi Algoritma Klasifikasi Data Mining untuk Prediksi Mahasiswa Nonaktif. Seminar Nasional Teknologi Informasi & Komunikasi Terapan (Semantik) 2012 Huang, Z., Zeng, D., & Chen, H., 2006. A Comparative Study of Recommendation Algorithms for E-Commerce Applications. IEEE Intelligent Systems Khoirunnisak, M., 2011. Pemodelan Faktor-faktor yang Mempengaruhi Mahasiswa Berhenti Studi (Drop Out) di Institut Teknologi Sepuluh Nopember Surabaya Menggunakan Analisis Bayesian Mixture Survival. Skripsi S1 Statistika Institut Teknologi Sepuluh November Kotsiantis, S., 2010. Educational Data Mining: A Case Study for Predicting Dropout-Prone Students. Int. J. of Knowledge Engineering and Soft Data Paradigms, (pp 101-111) Kovacic, Z. J., 2010. Early Prediction of Student Success: Mining Students Enrolment Data. In Proceedings of Informing Science & IT Education Conference (InSITE) (pp. 647-665) Lin, W., Alvarez, S. A., & Ruiz, C., 2000. Collaborative Recommendation via Adaptive Association Rule Mining. In Proceedings of the International Workshop on Web Mining for E-Commerce (WEBKDD) Marquez-Vera, C., Romero, C., & Ventura, S., 2011. Predicting School Failure using Data Mining. In Proceedings of the 4th International Conference on Educational Data Mining (pp. 271-276) Mican, D., & Tomai, N., 2010. Association-Rules-Based Recommender System for Personalization in Adaptive Web-Based Applications, 10th International Conference on Web Engineering ICWE. Springer-Verlag Nurfitriana, N., Darmawan, I., & Akbar, R. E., 2012. Rancang Bangun Aplikasi Sistem Pakar Berbasis Web untuk Rekomendasi Pemilihan 1 2
21
Jurusan di Universitas Siliwangi. Jurnal e-Informatika Siliwangi vol. 1, no. 1, 2012 Özseyha, C., Badur, B., & Darcan, O. N., 2012. An Association Rule-Based Recommendation Engine for an Online Dating Site. Communications of the IBIMA Peraturan Pemerintah Republik Indonesia Nomor 66 tahun 2010 tentang Perubahan atas Peraturan Pemerintah Nomor 17 tahun 2010 tentang Pengelolaan dan Penyelenggaraan Pendidikan. Smyth, B., McCarthy, K., Reilly, J., O’Sullivan, D., McGinty, L., & Wilson, D. C., 2005. Case Studies in Association Rule Mining for Recommender Systems. In Proc. of International Conference on Artificial Intelligence (ICAI’05) Witten, I. H., Frank, E., & Hall, M. A., 2011. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann
22
LAMPIRAN Lampiran 1. Bukti Submission Artikel Ilmiah pada CITEE 2016
23
Lampiran 2. Surat Permohonan Ijin Penelitian
24
Lampiran 3.Laporan Penggunaan Dana
25
26
