Pengembangan Perangkat Lunak untuk Memprediksi Lama Studi Mahasiswa di
Jurusan Teknik Elektro Universitas Negeri Jakarta Menggunakan Algoritma Nave
a!es "#ata Mining$ Neng Mardianis Alumni 2013 Program Studi Pendidikan Teknik Elektronika %isnu #&atmiko Dosen Pembimbing I Universitas Negeri Jakarta %idodo Dosen Pebimbing II Universitas Negeri Jakarta Arianto Triandalu a!asis"a Universitas Negeri Jakarta Angkatan 2012 #0100$ Program Studi Pendidikan Teknik Elektronika Abstra't So%t"are develo&ment %or &redi'ting stud( duration is aims to develo& an a&&li'ation t!at 'an &redi't t!e duration o% stud( based on data re'ords) So "it! t!is a&&li'ation is e*&e'ted 'an be used to su&&ort an( 'ru'ial de'ision b( t!e de&artment) Su'! as adding learning in%rastru'ture+ determine t!e total ,uota o% ne" student "ill be a''eted in t!e de&artment o% ele'tri'al engineering Jakarta State Universit() Data develo&ment %or &redi'ting stud( duration is taken %rom Puskom Jakarta State Universit( %rom a( to -'tober) T!e used data in t!is resear'! are Ele'tri'al Engineering De&artment.s student at State Universit( o% Jakarta %rom 2002 to 200/ 0egular and Non 0eguar S1) Data "ere taken are1 student identi%i'ation number+ name+ 'alss status+ gender+ !ome s'!ool+ s'!ool a''reditation+ average nem+ 2 nd semester 2PA+ t!e drive"a(+ t!e semester is over and addres) Taking 231 student data+ 201 student data are used as training data and 30 student data are used as testing data) ean"!ile t!e algorit!m "!i'! is used in t!e a&&li'ation language used is Java and its database is (S45) T!ere are %our in&ut t!at is used to &ro''es t!e 'lassi%i'ation+ are1 'ollege status+ s'!ool a''reditation+ 2PA 2nd semester and distan'e) T!en (!e out&ut is divided into t!ree &arts+ t!e slo"+ medium and %ast) 6ased on test result b( using a&&li'ation %or &redi'ting stud( duration+ t!e a''ura'( rate is 708 and t!e error rate is 108) So it 'an be 'on'luded t!at t!e a&&li'ation %or &redi'ting stud( duration 'an be used to &redi't t!e duration o% stud( at Ele'tri'al Engineering De&artment+ State Universit( o% Jakarta) 9e("ords1 data mining+ algorit!ms+ Na:ve 6a(es+ &redi'tion+ Java+ (S45) 1 PEN#A(ULUAN Latar elalang Masalah Perguruan tinggi meru&akan institusi (ang sangat bertangung ;a"ab ter!ada& kema;uan dan ke&andaian bangsan(a agar mam&u bersaiang dengan bangsa lain) <al tersebut disebabkan karena Perguruan Tinggi memiliki &eran besar dalam meng!asilkan kaum intelektual muda (ang 'erdas+ kreati%+ kom&etiti%+ mandiri serta beriman dan berta,"a ke&ada Tu!an =ang a!a Esa+ se!ingga s(stem &endidikann(a &un se'ara rutin !arus di&erbaiki dengan menga'u &erkembangan ilmu &engeta!uan+ teknologi+ seni serta &erkembangan global dalam mas(arakat dunia) Program Sar;ana #S1$ adala! &rogram &endidikan akademik setela! &endidikan menenga!+ (ang memiliki beban studi sekurang> kurangn(a 133 sks dan seban(ak> ban(akn(a 1/0 sks (ang di;ad"alkan untuk ? semester dan &aling lama 13 semester)#Universitas Negeri Jakarta+ 200?$)
6erdasarkan data dari PUS9- #Pusat 9om&uter$ Universitas Negeri Jakarta diketa!ui ba!"a ;umla! lama studi ma!asis"a Jurusan teknik Elektro rata>rata men'a&ai lebi! dari 3 ta!un atau ? semester) Dimana data tersebut meru&akan data ma!asis"a 0eguler dan Non 0eguler dari angkatan 2002 sam&ai 200/ &rogram Sar;ana #S1$) a!asis"a (ang belum lulus lebi! dari ? semester akan mem&engaru!i sarana dan &rasarana (ang ada di ;urusan+ misal ruang kelas &roses bela;ar>menga;ar) 0uang kelas &roses bela;ar>menga;ar memerlukan tem&at (ang lebi! besar+ karena ma!asis"a (ang tidak lulus kulia! atau mengulang mata kulia! dan akan mengambil mata kulia! tersebut kembali di semester berikutn(a) Perguruaan Tinggi &un !arus da&at mengeta!ui kondisin(a+ sala! satun(a dengan melakukan evaluasi guna meningkatkan mutu dan e%isiensi Perguruan Tinggi termasuk &eningkatan kualitas lulusan untuk mengantisi%asi &eluang ker;a bagi &ara lulusan (ang di!asilkan) Proses evaluasi da&at ditem&u! dengan berbagai ma'am 'ara+ ba!kan Direktorat Jendral Perguruan Tinggi #DI9TI$ sendiri tela! men(elenggarakan bebera&a &rogram evaluasi+ se&erti evaluasi Program Studi 6erbasis Evaluasi Diri #EPS6ED$ diakreditasi Program studi+ (ang mens(aratkan setia& Perguruan Tinggi untuk da&at men(ediakan data dan in%ormasi se'ara &eriodik dengan semua unsur &en(elenggaraan berdasarkan standar evaluasi dari badan akreditasi) Data !asil evaluasi da&at mem&engaru!i akreditasi dari sebua! Perguruan Tinggi+ se!ingga setia& &rogram studi tentun(a meng!ara&kan ter'a&ain(a standar evaluasi (ang suda! diteta&kan+ sala! satun(a terkait dengan tingkat kelulusan ma!asis"a (ang digunakan sebagai tolak ukur didalam menentukan keber!asilan+ (ang bebera&a diantaran(a mem&ertimbangakan %aktor lama studi dan &en'a&aian IP9 ma!asis"a) #Universitas Negeri Jakarta+ 200?$) 9arena itula! &erlu diadakan langka!> langka! antisi&asi untuk mem&erke'il ;umla! ma!asis"a (ang belum lulus lebi! dari ? semester) Jika berdasarkan &rediksi angka ketidaklulusan 2 ma!asis"a tinggi+ da&at diambil langka!>langka! antisi&ati% )AJ*AN TE+,*T*S )a&ian Teoritis Prediksi Lama Studi Mahasiswa Jurursan Teknik Elektro -T UNJ Prediksi adala! ramalan+ &rakiraan)#Al"i <asan+ 2003$) Prediksi ;uga meru&akan tindakan mengungka& suatu ke;adian sebelum ke;adian tersebut berlangsung) #Dagnum) + 177@$) Seadngka &engertian studi meru&akan usa!a mem&ela;ari materi &ela;aran atau ilmu &engeta!uan)#oediasi!+ 0) Ai;oto+ 1770$) a!asis"a adala! orang (ang bela;ar di &erguruan tinggi)#Al"i <asan+ 2003$) Bakultas Teknik #BT$ UNJ adala! sebagai unsure &elaksana sebagian tugas &okok Universitas negeri Jakarta dalam &endidiakn &enga;aran+ &enelitian+ &engabdian mas(arakat dalam bidang &endidikan dan tenaga ker;a &ro%essional di bidang teknologi ke;uruan dan keteknikan)#Universitas Negeri Jakarta+ 200?$) Jadi &rediksi lama studi ma!asis"a Jurusan Teknik Elektro BT UNJ da&at diartikan sebagai &rakiraan ;angka "aktu atau ilmu &engeta!uan dalam bidang &endidikan &en(elesaian mem&ela;ari materi &ela;aran dan tenaga ker;a &ro%essional di bidang teknologi ke;uruan dan keteknikan (ang dilakaukan di Universitas Negeri Jakarta) Program Sar;ana #S1$ adala! &rogram &endidikan akademik setela! &endidikan menenga!+ (ang memiliki beban studi sekurang>kurangn(a 133 sks dan seban(ak>ban(akn(a 1/0 sks (ang di;ad"alakan untuk ? semester dan &aling lama 13 semester)#Universitas Negeri Jakarta+ 200?$) -aktor !ang Mempengaruhi )eberhasilan Studi Mahasiswa Jurusan Teknik Elektro -T UNJ 9ualitas seorang ma!asis"a da&at dili!at dari &restasi (ang di'a&ain(a+ &otensi (ang dimiliki+ dan ;uga motivasi (ang tinggi (ang ada dalam dirin(a) otivasi (ang dimaksud adala! adan(a keinginan (ang besar untuk da&at merai! a&a (ang diinginkan(a) Ada dua ma'am motivasi (ang da&at mem&engaru!i seseorang (aitu motivasi intrinsik dan motivasi ekstrinsik) otivasi intrinsik adala! motivasi dari dalam diri sendiri+ biasan(a terdorong ole! rasa ingin ta!u atau untuk menda&at ke&uasan ) motivasi intrinsik seseorang tidak da&at di&engaru!i ole! a&a&un+ karena !an(a orang tersebutla! (ang da&at menguba! motivasi dalam dirin(a sendiri) Sedangkan motivasi ekstrinsik adala! motivasi dari luar diri seseorang (aitu beru&a &engaru!> &engaru! dari luar (ang mengakibatkan orang tersebut berbuat sesuatu) #Sam&oerno P)D+ 2002$) 3 6ela;ar adala! kegiatan (ang dialakukan untuk menguasai &engeta!uan+ kemam&uan+ kebiasaan+ keteram&ilan dan sika& melalui !ubungan timbal balik antara orang (ang bela;ar dengan lingkungan(a) Untuk meningkatkan keber!asilan bela;ar ma!asis"a !arus mengeta!ui 'ara bela;ar (ang te&at dan sesuai dengan keadaan dirin(a dan da&at mengatur lingkungan(a) Dengan &engeta!uan mengenai kaida! dan !okum bela;ar di!ara&kan ma!asis"a da&at men'a&ai !asil bela;ar (ang maksimal+ kaida! bela;ar (ang dimaksud adala! sebagai berikut1#<utabarat E)P+ 17?C$) 1) 9egiatan bela;ar akan lebi! ber!asil+ ;ika orang (ang bela;ar akti% di dalamn(a dengan 'ara mengalami+ berbuat dan memberikan reaksi) 2) Semakin ban(ak ragam &engalaman mengenai sesuatu ba!an &ela;aran+ maka akan semakin ber!asil mem&ela;ari danmenguasain(a) 3) 9egiatan bela;ar akan lebi! ber!asil+ ;ika orang (ang bela;ar memandang ba!an &ela;aran (ang di&ela;arin(a bermakna dan berman%aat bagin(a) 3) 9egiatan bela;ar akan lebi! ber!asil+ ;ika minat orang (ang bela;ar+ besar ter!ada& ba!an (ang di&ela;arin(a) C) 9egiatan bela;ar di&engaru!i ole! sika& orang (ang bela;ar+ keadaan lingkungan dan ;uga ole! sika& dan kemem&uan dosen menga;ar) /) 9egiatan bala;ar akan lebi! ber!asil+ ;ika orang (ang bela;ar ta!u dengan &asti kema;uan (ang di&erole!n(a dalam bela;ar) @) 6a!an &ela;aran akan lebi! muda! dikuasai+ ;ika orang (ang bela;ar da&at meli!at !ubungan> !ubungan (ang terda&at antara berbagai unsur dalam ba!an &ela;aran) ?) 9egiatan dan !asil bela;ar tidak sama &ada semua orang karena kemam&uan(a berbeda>beda) 7) Jika ingin menguasai suatu &engeta!uan dan keteram&ilan sam&ai lebi! dari ma!air atau meng!a%alkan suatu &ela;aran sam&ai !a%al betul+ maka !arus bela;ar dan berlati! berulang> ulang) 10) 6ela;ar dan lati!an (ang dilakukan dalam ;angka "aktu (ang lebi! sinkat teta&i berulang> ulang+ akan lebi! ber!asil dari&ada dilakukan satu kali teta&i "aktun(a &an;ang) Baktor>%aktor (ang mem&engaru!i &roses dan !asil bela;ar dibedakan men;adi dua golongan)#Pur"anto )N+ 1770$ 1) Baktor (ang ada &ada diri sendiri+ (ang disebut %a'tor individual) Baktor individual antara lain1 kematangan+ &ertumbu!an dan &erkembangan ;asmani dan ro!ani seseorang+ ke'erdasanDintele;ensi+ lati!an dan ulangan+ motivasi+ %a'tor &ribadi#si%at>si%at &ribadi$) 3 2) Baktor dari luar individu (aitu %a'tor keluarga #&eng!asilan dan &ensisikan orang tua+ dan suasana dalam keluarga$+ guru dan 'ara manga;ar+ alat>alat dan &erlengka&an bala;arD&enga;aran+ motivasi so'ial+ lingkungan dan kesem&atan) 9eber!asilan studi seseorang ;uga di&engaru!i ole! "aktu dan kesem&atan) Aaktu dan kesem&atan (ang dimiliki ole! setia& individu berbeda se!ingga akan ber&engaru! ter!ada& &erbedaan kemam&uan ma!asis"a) Dengan demikian ma!asis"a (ang memiliki ban(ak "aktu dan kesem&atan untuk bela;ar 'endrung memiliki keber!asilan studi (ang lebi! baik dari &ada (ang !an(a memilki sedikit "aktu dan kesem&atan bela;ar)#Slameto+ 1771$ #ata Mining Pengertian #ata Mining Data Mining meru&akakan suatu ilmu (ang berkenaan dengan mengekstrak atau EmenambangF &engeta!uan dari data (ang besar)#Jia"ei <an+ i'!eline 9amber+ 200/$) Data mining ;uga meru&akan suatu istila! (ang digunakan untuk menguraikan &enemuan &engeta!uan (ang tersembun(i di dalam database) Data mining adala! &roses (ang menggunakan &roses statisti'+ matematika ke'erdasan buatan+ dan machine learning untuk mengekstraksi dan mengidenti%ikasi in%ormasi (ang berman%aat dan &engeta!uan (ang terkait dari berbagai database besar)#9usrini+ Em!a T)5+ 2007$ Data mining adala! suatu &roses menemukan !ubungan (ang berarti+ &ola+ dan ke'endrungan dengan memriksa dalam sekum&ulan besar data (ang tersim&an dalam &en(im&anan dengan menggunakan tenknik &engenalan &ola se&erti teknik statistik dan matematika)#Daniel T) 5aruse+ 200C$ Terda&at ;uga bebera&a de%inisi data mining se&erti1 EData mining adala! serangkaian &roses untuk menggali nilai tamba! dari suatu kum&ulan data beru&a &engeta!uan (ang selama ini tidak diketa!ui se'ara manualF)#9usrini+ Em!a T)5+ 2007$ EData mining adala! analisis otomatis dari data (ang ber;umla! besar atau kom&leks dengan tu;uan untuk menemukan &ola atau ke'endrungan(ang &enting (ang sama biasan(a tidak disadari keberadaan(aF) #9usrini+ Em!a T)5+ 2007$ EData mining meru&akan analisis dari &enin;auan kum&ulan data untuk menemukan !ubungan (ang tidak diduga dan meringkas data dengan 'ara (ang berbeda dengan sebelumn(a+ (ang da&at di&a!ami dan berman%aat bagi &emilik dataF) #Daniel T) 5aruse+ 200C$ EData mining meru&akan bidang dari bebera&a keilmuan (ang men(atukan teknik dari &embela;aran mesin+ &engenalan &ola+ statisti'+ database+ dan visualisasi untukb&enanganan &ermasala!an &engambilan in%ormasi dari database (ang besarF)#Daniel T) 5aruse+ 200C$) <ubungan (ang di'ari dalam data mining da&at beru&a !ubungan antara dua atau lebi! dalam satu dimensi) isaln(a dalam dimensi &roduk+ da&at 5 dili!at keterkaitan &embelian suatu &roduk dengan &roduk lain) Dengan !ubungan ;uga da&at dili!at dengan dua atau lebi! atribut dan dua atau lebi! ob;ek)#9usrini+ Em!a T)5+ 2007$ Penemuan &ola meru&akan keluaran lain dari data mining) isalkan sebua! &erusa!aan (ang akan meningkatkan %asilitas kartu kredit dari &elanggan+ maka &erusa!aan akan men'ari &ola dari &elanggan>&ekanggan (ang ada untuk mengeta!ui &elanggan (ang &otensial dan &elanggan (ang tidak &otensial) #9usrini+ Em!a T)5+ 2007$ 6ebera&a de%inisi a"al dari data mining men(ertakan %o'us &ada &roses otomatisasi) Data mining sebagai suatu &roses eks&lorasi dan analisis se'ara otomatis mau&un semi otomatis ter!ada& data dalam ;umla! besar dengan tu;uan menemukan &ola atau aturan (ang berarti) F)#Daniel T) 5aruse+ 200C$ Namun de%inisi a"al dari data mining dengan men(ertakan %okus &ada &roses otomatisasi tidak berta!an lama) De%inisi ulang ter!ada& &engertian data mining memberikan &ern(ataan ba!"a !al (ang diselesaikan adala! %rasa se'ara otomatis mau&un semi otomatis+ karena memberikan %o'us berlebi! &ada teknik otomatis dan kurang &ada eks&lorasi dan analisis) #Daniel T) 5aruse+ 200C$ <al tersebut memberikan &ema!aman (ang sala! ba!"a data mining meru&akan &roduk (ang da&at dibeli dibandingkan keilmuan (ang !arus dikuasai) #Daniel T) 5aruse+ 200C$ Sse!ingga menegaskan ba!"a dalam data mining otomatisasi tidak menggantikan 'amur tangan manusia) anusia !arus da&at akti% dalam setia& %ase dalam &roses data mining) 9e!ebatan algoritma data mining (ang terda&at dalam &erangkat lunak analisis kemungkinan ter;adin(a kesala!an &engginaan (ang berakibat %atal) Pengguna mungkin menera&kan analisis (ang tidak te&at ter!ada& kum&ulan data dengan menggunakan &endekatan (ang berbeda) -le! karenan(a+ diburu!kan &ema!aman tentang statisti' dan struktur model matematika (ang mendasari ker;a &erangkat lunak) #Daniel T) 5aruse+ 200C$ Data mning bukanla! suatu bidang (ang sama sekali baru) Sala! satu kesulitan untuk mende%inisikan data mining adala! ken(ataan ba!"a data mining me"arisi ban(ak as&ek dan teknik dari bidang>bidang ilmu (ang suda! mau&un terlebi! da!ulu se&erti &ada 2ambar 2)1 data mining memiliki akar (ang &an;ang dari bidang ilmu se&erti ke'erdasan buatan #artificial intelligent$+ machine learning+ statistik+ database+ dan ;uga information retrieval. #9usrini+ Em!a T)5+ 2007$ 2ambar 2)1 Data Mining sebagai &ertemuan antara disi&lin ilmu #<an G 9amber+ 200/$) Istila! data mining dan Knowledge discovery in Database #99D$ ssering kali digunakan se'ara bergantian untuk men;elaskan &roses &enggalian in%ormasi tersembun(i dalam suatu basis data (ang besar) / Proses ))# se'ara garis besar dapat di&elaskan sebagai berikut. #9usrini+ Em!a T)5+ 2007$ 1) Data Sele'tion Pemili!an #seleksi$ data dari sekum&ulan data o&erasional &erlu dilakukan sebelum ta!a& &enggalian in%ormasi dalam 99D dimulai) Data !asil seleksi (ang akan digunakan untuk &roses data mining disim&an dalam suatu berkas+ ter&isa! dari basis data o&erasional) 2. Pre-processing Cleaning Sebelum &roses data mining da&at dilakukan+ &erlu dilakaukan &rses cleaning &ada data (ang men;adi %o'us 99D) Proses cleaning men'aku& antara lain membuang du&likasi data+ memeriksa data (ang inkonsisten+ dan mem&erbaiki kesala!an &ada data+ se&erti kesala!an 'etak #ti&ogra%i$) Juga dilakukan &roses enrichment+ (aitu &roses Emem&erka(aF data (ang suda! ada dengan data atau in%ormasi lain (ang relevan dan di&erlukan untuk 99D+ se&erti data atau in%ormasi eksternal) 3) Trans%ormation Hoding adala! &roses trans%ormasi &ada data (ang tela! di&ili!+ se!ingga data tersebut sesuai untuk &roses data mining) Proses 'oding dalam 99D meru&akan &roses kreati% dan sangat tergantung &ada ;enis atau &ola in%ormasi (ang akan di'ari dalam basis data) 3) Data ining Data mining adala! &roses men'ari &ola atau in%ormasi menarik dalam data ter&ili! dengan menggunakan teknik atau metode tertentu) Teknik+ metode+ atau algoritma dalam data mining sengat bervariasi) Pemili!an metode dan algoritma (ang te&at sangat bergantung &ada tu;uan dan &roses 99D se'ara keseluru!an) C) Inter&retationDEvalution Pola in%ormasi (ang di!asilkan dari &roses data mining &erlu ditam&ilkan dalam bentuk (ang muda! dimengerti ole! &i!ak (ang berke&entingan) Dimana meru&akan bagian dari &roses 99D (ang disebut inter&retation+ inter&retation men'aku& &emeriksaan a&aka! &ola atau in%ormasi (ang ditemukan bertentangan dengan %akta atau !i&otesis (ang ada sebelumn(a) )lasi/ikasi 9lasi%ikasi meru&akan suatu &roses untuk men'arisebua! model #%ungsi$ (ang menggambarkan kelas data atau konse&+ (ang bertu;uan untuk mem&rediksi kelas ob;ek (ang labeln(a belum diketa!ui)# Jia"ei <an+ i'!eline 9amber+ 200/$) Agoritma Nave a!es Bayesian classification adala! &engklasi%ikasian statisti' (ang da&at mem&rediksi anggota kelas+ se&erti &robabilitas suatu tuple record! (ang diberikan &ada kelas tertentu) # Jia"ei <an+ i'!eline 9amber+ 200/$) 7 Teorema 6a(es memiliki bentuk sebagai berikut1 # 9usrini+ Em!a T)5+ 2007$) P#<IJ$ K P#JI<$ P#<$ D P#J$ UP "Uni/ied Pro'ess$ UP #"nified Process$ adala! sebua! metodologi k!usus (ang memetakan dan bagaimana menggunakan berbagai teknik U5+ untuk analisis dan desain berorientasi ob;ek) Java Sebagai sebua! ba!asa &emrograman+ #ava da&at membuat seluru! bentuk a&likasi+ des$top dan "eb sebagaimana dibuat dengan ba!asa &emrograman konvensional (ang lain) %ava adala! ba!asa &emrograman (ang berorientasi ob;ek#--P$ dan da&at di;alankan &ada berbagai &lat%orm s(stem o&erasi) )elebihan Java 6a!asa &emrograman Java adala! ba!asa &emrograman tingkat tinggi (ang mem&un(ai 'irri atau kelebi!an (aitu1 ESim&le+ -b;e't -riented+ Distributed+ ultit!readed+ D(nami'+ Ar'!ite'ture neutral+ Portable+ <ig! Per%orman'e+ 0obust and se'ureF)#-ra'le Hor&oration andDor its a%%iliates+ 2010$) )erangka er/ikir Tu;uan &enggunaan algoritma+ database+ dan ba!asa &emrograman tersebut adala! untuk men'ari &ola (ang ada &ada database ma!asis"a Jurusan Teknik Elektro Universitas Negeri Jakarta) Se!ingga dalam &en'arian &olan(a da&at dilakukan se'ara otomatis) Algoritma &a've Bayes digunakan untuk men'ari &ola &ada data+ sedangkan database (S45 digunakan untuk men(im&an data+ dan ba!asa &emrograman Java digunakan untuk membuat &rogram atau a&likasi) Proses a&likasi data mining (ang terda&at in&ut+ &roses+ dan out&utn(a ditun;ukkan &ada gambar 2)@) 2ambar 2)@ 2ambaran Proses A&likasi Prediksi 5ama Studi In&ut1 1) Nim 2) Nama a!asis"a 3) Status 9ulia! 3) Nilai A9reditasi Sekola! C) Nilai IP9 sam&ai Semester 2 /) Jarak -ut&ut1 a) He&at b) Sedang ') 5ambat MET+#+L+0* PEN*L*T*AN Tempat dan %aktu Penelitian Penelitian Pengembangan Perangkat 5unak untuk em&rediksi 5ama studi a!asis"a di Jurusan Teknik Elektro ? Universitas Negeri Jakarta dengan enggunakan Algoritma Na:ve 6a(es dilakukan di 5aboratorium 9om&uter Jurusan Teknik Elektro Universitas Negeri Jakarta se;ak bulan ei 2012 !ingga -ktober 2012) Metode Penelitian etode &enilitian (ang digunakan dalam &enelitian &engembangan &erangkat lunak untuk mem&rediksi lama studi ma!asis"a di Jurusan Teknik Elektro Universitas Negeri Jakarta mengginakan algoritma na've bayes adala! metode "nified Process (ang memiliki %ase inception elaboration( construction dan trsition) (AS*L PENEL*T*AN Ada a&likasi &rediksi lama studi terda&at dua user (ang sangat ber&eran dalam &enggunaan so%t"are) User &ertama (aitu user biasa+ user biasa da&at melakukan 5og In sebagai user biasa) 9emudian user biasa da&at menggunakan %itur run &redi'tion (ang ada di dalam a&likasi) Bitur run &redi'tion ber&eran dalam melakukan &rediksi lama srudi ma!asis"a) User biasa sangat 'o'ok a&abila diberikan &ada &ega"ai ;urusan) User kedua (aitu admin+ admin da&at melakukan 5og In sebagai administrator) Admin da&at menggunakan %itur run &redi'tion (ang digunakan untuk melakukan &rediksi lama studi ma!asis"a) 9emudian admin da&at melakukan in&ut data ma!asis"a baru (ang digunakan untuk meningkatkan tingkat akurasi dari !asil &rediksi a&likasi &rediksi lama studi) Admin ;uga da&at menamba! user baru+ baik user biasa mau&un user admin) engganti nama user dan mengganti &ass"ord user) 9emudian admin mengeta!ui user (ang tela! 5og In ke dalam a&likasi &rediksi lama srtudi+ lalu meng!a&us da%tar log tersebut a&abila tela! &enu!) User admin sangat sesuai a&abila diberikan &ada sta% BT (ang ada di ;urusan (ang tela! mengeta!ui konse& &enggunaan a&likasi dan mene;emen database k!ususn(a database ( S45) )ES*MPULAN #AN SA,AN )esimpulan Jadi da&at disim&ulkan ba!"a &engembangan &erangkat lunak untuk mem&rediksi lama studi ma!asis"a di Jurusan Teknik Elektro Universitas Negeri Jakarta menggunakan algoritma &a've Bayes tela! ber!asil dikembangkan dan da&at digunakan untuk mem&rediksi lama studi ma!asis"a (ang memiliki kemungkinan lambat+ sedang dan 'e&at dalam &rose &erkulia!an(a di Jurusan Teknik Elektro universitas Negeri Jakarta) Namun karena keterbatasan data untuk &roses klasi%ikasi &ada saat &enelitian+ maka a&likasi &ediksi lama studi ma!asis"a di Jurusan Teknik Elektro Universitas Negeri Jakarta menggunakan algoritma &a've Bayes kurang signi%ikan dalam menentukan &rediksi lama studi) Saran 9 Untuk &enelitian selan;utn(a di!ara&kan da&at men'oba algoritma (ang lain+ (ang kemungkinan mem&un(ai tingkat akurasi (ang lebi! tinggi) Se!ingga mem&un(ai !asil &rediksi (ang lebi! baik #A-TA, PUSTA)A Al"i+ <asan) 2003) Kamus Besar Bahasa )ndonesia) Jakarta1 6alai Pustaka) Dagnum+ ) 177@) Kamus Besar )lmu Pengetahuan) Jakarta1 5embaga Pengka;ian 9ebuda(aan Nusantara) <an+ J) G 9amber+ ) 200/) Data Mining Concepts and *echni+ues) SanBransis'o1 organ 9au%man Publis!er) 9usrini+ G 5ut%i+ E)T) 2007) ,lgoritma Data Mining) =og(akarta1 Andi -%%set) 5aruse+ D)T) 200C) Discovering Knowledge in Data ,n )ntroduction to Data Mining) Ne" Jerse(1 Jo!n Aille( G Sons+ In') oediasi!+ 0) A) 1770) -nsi$lopedia &asional )ndonesia) Jakarta1 PT Hi&ta Abadi Pustaka) -ra'le Hor&oration andDor its a%%iliates) 2010) Lter!ubung berkalaM !tt&1DDdo"nload)ora'le)'omD;avaseDtutori alDgetStartedDintroDde%inition)!tml L12 November 2012M) Pur"anto+ )N) 1770) Psi$ologi Pendidi$an) 6andung1 PT 0ema;a 0osdakar(a) Sam&oerno+ P)D) 2002) ,nalisis Kualitas Mahasiswa dalam Pencapaian Pendidi$anya dengan Mengguna$an Metode Partial .east /+ures) 6ogor1 Institut Pertanian 6ogor) Slameto) 1771) Bela#ar dan 0a$tor- 0a$tor yang Mempengaruhinya) Jakarta1 0ineka Hi&ta) Universitas Negeri Jakarta) 200?) Pedoman ,$ademi$ 211232114) Jakarta1 Universitas Negeri Jakarta) 10
Different Approaches to Learning Science, Technology, Engineering, and Mathematics: Case Studies from Thailand, the Republic of Korea, Singapore, and Finland