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