HASIL DAN PEMBAHASAN
4.6. Analisis Percobaan Decision Tree
Model sampel aturan decision tree dengan model grafik dari software rapidminer yang akan digunakan dapat dilihat pada gambar 4.4
Gambar 4.4 Grafik Decision Tree
Dari gambar 4.4 dapat dijelaskan bahwa faktor dukungan orang tua dan minat belajar memiliki pengaruh paling besar dalam data penelitian tesis ini, setelah dilakukan percobaan menggunakan rapidminer bahwa variabel dukungan orang tua dan minat belajar berada pada node yang paling atas, kemudian dibandingkan
dengan rata-rata nilai dari faktor kepercayaan diri, prilaku belajar, waktu belajar mendapatkan predikat dengan pujian, sangat memuaskan, memuaskan dan buruk.
Untuk lebih jelasnya dapat dilihat pada model aturan berbentuk teks seperti pada gambar 4.5
IPK > 2.845
| Predikat = Dengan Pujian | | Kriteria = Tidak potensial DO
| | | IPK > 3.575: Menengah {tinggi=0, Menengah=4} | | | IPK ≤ 3.575
| | | | IPK > 3.540: tinggi {tinggi=1, Menengah=0} | | | | IPK ≤ 3.540: tinggi {tinggi=1, Menengah=1} | Predikat = Sangat memuaskan
| | Kriteria = Tidak potensial DO | | | IPK > 3.205
| | | | IPK > 3.410
| | | | | IPK > 3.465: Menengah {tinggi=0, Menengah=2} | | | | | IPK ≤ 3.465
| | | | | | IPK > 3.435
| | | | | | | IPK > 3.445: tinggi {tinggi=1, Menengah=1} | | | | | | | IPK ≤ 3.445: Menengah {tinggi=2, Menengah=3} | | | | | | IPK ≤ 3.435
| | | | | | | IPK > 3.425: tinggi {tinggi=2, Menengah=1} | | | | | | | IPK ≤ 3.425: tinggi {tinggi=1, Menengah=1} | | | | IPK ≤ 3.410
| | | | | IPK > 3.235 | | | | | | IPK > 3.325 | | | | | | | IPK > 3.355 | | | | | | | | IPK > 3.385
| | | | | | | | | IPK > 3.395: Menengah {tinggi=0, Menengah=1} | | | | | | | | | IPK ≤ 3.395: tinggi {tinggi=1, Menengah=1} | | | | | | | | IPK ≤ 3.385: Menengah {tinggi=0, Menengah=4} | | | | | | | IPK ≤ 3.355
| | | | | | | | IPK > 3.345: tinggi {tinggi=1, Menengah=0} | | | | | | | | IPK ≤ 3.345
| | | | | | | | | IPK > 3.335: Menengah {tinggi=0, Menengah=1} | | | | | | | | | IPK ≤ 3.335: Menengah {tinggi=2, Menengah=4} | | | | | | IPK ≤ 3.325
| | | | | | | IPK > 3.275 | | | | | | | | IPK > 3.305
| | | | | | | | | IPK > 3.315: Menengah {tinggi=0, Menengah=1} | | | | | | | | | IPK ≤ 3.315: Menengah {tinggi=1, Menengah=4} | | | | | | | | IPK ≤ 3.305: Menengah {tinggi=0, Menengah=3} | | | | | | | IPK ≤ 3.275
| | | | | | | | IPK > 3.245
| | | | | | | | | IPK > 3.265: Menengah {tinggi=2, Menengah=5} | | | | | | | | | IPK ≤ 3.265
| | | | | | | | | | IPK > 3.255: Menengah {tinggi=0, Menengah=1} | | | | | | | | | | IPK ≤ 3.255: Menengah {tinggi=2, Menengah=6} | | | | | | | | IPK ≤ 3.245: Menengah {tinggi=0, Menengah=1} | | | | | IPK ≤ 3.235
| | | | | | IPK > 3.215
| | | | | | | IPK > 3.225: tinggi {tinggi=2, Menengah=2} | | | | | | | IPK ≤ 3.225: Menengah {tinggi=0, Menengah=1} | | | | | | IPK ≤ 3.215: tinggi {tinggi=2, Menengah=2} | | | IPK ≤ 3.205 | | | | IPK > 3.105 | | | | | IPK > 3.130 | | | | | | IPK > 3.145 | | | | | | | IPK > 3.165 | | | | | | | | IPK > 3.185
| | | | | | | | | IPK > 3.195: Menengah {tinggi=1, Menengah=8} | | | | | | | | | IPK ≤ 3.195: Menengah {tinggi=0, Menengah=2} | | | | | | | | IPK ≤ 3.185
| | | | | | | | | IPK > 3.175: Menengah {tinggi=1, Menengah=2} | | | | | | | | | IPK ≤ 3.175: Menengah {tinggi=1, Menengah=3} | | | | | | | IPK ≤ 3.165: Menengah {tinggi=0, Menengah=7} | | | | | | IPK ≤ 3.145: tinggi {tinggi=1, Menengah=0} | | | | | IPK ≤ 3.130: Menengah {tinggi=0, Menengah=10} | | | | IPK ≤ 3.105
| | | | | IPK > 3.070 | | | | | | IPK > 3.085
| | | | | | | IPK > 3.095: Menengah {tinggi=1, Menengah=2} | | | | | | | IPK ≤ 3.095: tinggi {tinggi=1, Menengah=0} | | | | | | IPK ≤ 3.085: Menengah {tinggi=2, Menengah=5} | | | | | IPK ≤ 3.070
| | | | | | IPK > 2.990 | | | | | | | IPK > 3.045
| | | | | | | | IPK > 3.055: Menengah {tinggi=0, Menengah=3} | | | | | | | | IPK ≤ 3.055: Menengah {tinggi=1, Menengah=2} | | | | | | | IPK ≤ 3.045: Menengah {tinggi=0, Menengah=12} | | | | | | IPK ≤ 2.990
| | | | | | | IPK > 2.975: Menengah {tinggi=3, Menengah=3} | | | | | | | IPK ≤ 2.975
| | | | | | | | IPK > 2.930: Menengah {tinggi=0, Menengah=5} | | | | | | | | IPK ≤ 2.930
| | | | | | | | | IPK > 2.905
| | | | | | | | | | IPK > 2.915: Menengah {tinggi=1, Menengah=7} | | | | | | | | | | IPK ≤ 2.915: Menengah {tinggi=0, Menengah=1} | | | | | | | | | IPK ≤ 2.905
| | | | | | | | | | IPK > 2.890: Menengah {tinggi=1, Menengah=3} | | | | | | | | | | IPK ≤ 2.890
| | | | | | | | | | | IPK > 2.860
| | | | | | | | | | | | IPK > 2.875: Menengah {tinggi=1, Menengah=6} | | | | | | | | | | | | IPK ≤ 2.875: Menengah {tinggi=0, Menengah=1} | | | | | | | | | | | IPK ≤ 2.860: Menengah {tinggi=1, Menengah=5}
IPK ≤ 2.845 | Predikat = Buruk | | Kriteria = Potensial DO | | | IPK > 1.070 | | | | IPK > 1.510 | | | | | IPK > 1.535 | | | | | | IPK > 1.635 | | | | | | | IPK > 1.665 | | | | | | | | IPK > 1.790 | | | | | | | | | IPK > 1.830
| | | | | | | | | | IPK > 1.875 | | | | | | | | | | | IPK > 1.910
| | | | | | | | | | | | IPK > 1.990: Menengah {tinggi=1, Menengah=1} | | | | | | | | | | | | IPK ≤ 1.990: Menengah {tinggi=0, Menengah=3} | | | | | | | | | | | IPK ≤ 1.910: tinggi {tinggi=2, Menengah=1} | | | | | | | | | | IPK ≤ 1.875: Menengah {tinggi=0, Menengah=3} | | | | | | | | | IPK ≤ 1.830: tinggi {tinggi=2, Menengah=0} | | | | | | | | IPK ≤ 1.790
| | | | | | | | | IPK > 1.705: Menengah {tinggi=0, Menengah=4} | | | | | | | | | IPK ≤ 1.705: Menengah {tinggi=1, Menengah=1} | | | | | | | IPK ≤ 1.665: tinggi {tinggi=1, Menengah=0}
| | | | | | IPK ≤ 1.635: Menengah {tinggi=0, Menengah=3} | | | | | IPK ≤ 1.535: tinggi {tinggi=1, Menengah=0} | | | | IPK ≤ 1.510
| | | | | IPK > 1.230: Menengah {tinggi=0, Menengah=7} | | | | | IPK ≤ 1.230
| | | | | | IPK > 1.170: tinggi {tinggi=1, Menengah=0} | | | | | | IPK ≤ 1.170: Menengah {tinggi=0, Menengah=1} | | | IPK ≤ 1.070: tinggi {tinggi=1, Menengah=0}
| Predikat = Memuaskan
| | Kriteria = Tidak Potensial DO | | | IPK > 2.135
| | | | IPK > 2.280 | | | | | IPK > 2.465 | | | | | | IPK > 2.680 | | | | | | | IPK > 2.740
| | | | | | | | IPK > 2.755: Menengah {tinggi=0, Menengah=1} | | | | | | | | IPK ≤ 2.755: tinggi {tinggi=5, Menengah=3} | | | | | | | IPK ≤ 2.740
| | | | | | | | IPK > 2.705
| | | | | | | | | IPK > 2.720: Menengah {tinggi=1, Menengah=11} | | | | | | | | | IPK ≤ 2.720: Menengah {tinggi=0, Menengah=1} | | | | | | | | IPK ≤ 2.705
| | | | | | | | | IPK > 2.695: Menengah {tinggi=5, Menengah=11} | | | | | | | | | IPK ≤ 2.695: Menengah {tinggi=0, Menengah=1} | | | | | | IPK ≤ 2.680
| | | | | | | IPK > 2.535 | | | | | | | | IPK > 2.625 | | | | | | | | | IPK > 2.640 | | | | | | | | | | IPK > 2.655
| | | | | | | | | | | IPK > 2.665: Menengah {tinggi=4, Menengah=5} | | | | | | | | | | | IPK ≤ 2.665: Menengah {tinggi=0, Menengah=1} | | | | | | | | | | IPK ≤ 2.655: Menengah {tinggi=4, Menengah=4} | | | | | | | | | IPK ≤ 2.640: Menengah {tinggi=0, Menengah=1} | | | | | | | | IPK ≤ 2.625
| | | | | | | | | IPK > 2.590
| | | | | | | | | | IPK > 2.610: tinggi {tinggi=4, Menengah=3} | | | | | | | | | | IPK ≤ 2.610: tinggi {tinggi=6, Menengah=3} | | | | | | | | | IPK ≤ 2.590
| | | | | | | | | | IPK > 2.560
| | | | | | | | | | | IPK > 2.575: Menengah {tinggi=2, Menengah=4} | | | | | | | | | | | IPK ≤ 2.575: Menengah {tinggi=0, Menengah=1} | | | | | | | | | | IPK ≤ 2.560: tinggi {tinggi=4, Menengah=2} | | | | | | | IPK ≤ 2.535
| | | | | | | | | IPK > 2.510: Menengah {tinggi=1, Menengah=2} | | | | | | | | | IPK ≤ 2.510: Menengah {tinggi=1, Menengah=3} | | | | | | | | IPK ≤ 2.490: Menengah {tinggi=2, Menengah=3} | | | | | IPK ≤ 2.465
| | | | | | IPK > 2.435: Menengah {tinggi=0, Menengah=4} | | | | | | IPK ≤ 2.435
| | | | | | | IPK > 2.390
| | | | | | | | IPK > 2.410: Menengah {tinggi=1, Menengah=2} | | | | | | | | IPK ≤ 2.410: Menengah {tinggi=3, Menengah=5} | | | | | | | IPK ≤ 2.390
| | | | | | | | IPK > 2.365: Menengah {tinggi=0, Menengah=7} | | | | | | | | IPK ≤ 2.365
| | | | | | | | | IPK > 2.295
| | | | | | | | | | IPK > 2.340: Menengah {tinggi=2, Menengah=3} | | | | | | | | | | IPK ≤ 2.340
| | | | | | | | | | | IPK > 2.315: Menengah {tinggi=1, Menengah=3} | | | | | | | | | | | IPK ≤ 2.315: Menengah {tinggi=1, Menengah=2} | | | | | | | | | IPK ≤ 2.295: Menengah {tinggi=0, Menengah=1} | | | | IPK ≤ 2.280
| | | | | IPK > 2.240: tinggi {tinggi=4, Menengah=0} | | | | | IPK ≤ 2.240
| | | | | | IPK > 2.190
| | | | | | | IPK > 2.215: Menengah {tinggi=0, Menengah=2} | | | | | | | IPK ≤ 2.215: Menengah {tinggi=1, Menengah=3} | | | | | | IPK ≤ 2.190
| | | | | | | IPK > 2.165: tinggi {tinggi=2, Menengah=0} | | | | | | | IPK ≤ 2.165: tinggi {tinggi=1, Menengah=1} | | | IPK ≤ 2.135
| | | | IPK > 2.095
| | | | | IPK > 2.105: Menengah {tinggi=0, Menengah=2} | | | | | IPK ≤ 2.105: Menengah {tinggi=1, Menengah=2} | | | | IPK ≤ 2.095: Menengah {tinggi=0, Menengah=5} | Predikat = Sangat memuaskan
| | Kriteria = Tidak potensial DO
| | | IPK > 2.835: tinggi {tinggi=1, Menengah=0} | | | IPK ≤ 2.835
| | | | IPK > 2.775
| | | | | IPK > 2.815: Menengah {tinggi=4, Menengah=7} | | | | | IPK ≤ 2.815
| | | | | | IPK > 2.795: Menengah {tinggi=4, Menengah=5} | | | | | | IPK ≤ 2.795
| | | | | | | IPK > 2.785: Menengah {tinggi=1, Menengah=1} | | | | | | | IPK ≤ 2.785: tinggi {tinggi=1, Menengah=1} | | | | IPK ≤ 2.775: Menengah {tinggi=3, Menengah=6}
Gambar 4.5 Model Aturan Text Decision Tree
Dari gambar 4.5. diatas dapat dijelaskan bahwa faktor yang sangat mempengaruhi adalah minat belajar, dukungan orang tua, kepercayaan diri, prilaku belajar dan waktu belajar mahasiswa.
Untuk membantu melihat ketergantungan hubungan data mahasiswa dengan data kuesioner dapat dilihat hasil dari scater multiple, gambar predikat kelulusan dan nilai ditampilkan di predikat dengan nilai yang berhubungan dengan kinerja masing-masing variabel seperti yang terlihat pada gambar 4.6
Gambar 4.6. Profil Predikat Kelulusan
Jika gambar 4.6. diatas merupakan hasil pengelompokkan data dari beberapa variable yang disesuaikan dengan warnanya, maka warna merah dikategorikan dengan pujian, warna biru dikategorikan sangat memuaskan, warna hijau tua dikategorikan Memuaskan, warna Hijau muda dikategorikan Buruk.
Dari gambar 4.5 dapat dijelaskan bahwa faktor minat belajar memiliki pengaruh paling besar dalam data penelitian tesis ini, setelah dilakukan percobaan
dengan menggunakan Rapidminer bahwa faktor minat belajar berada pada node paling atas. Rule setelah diterjemahkan kedalam bahasa sederhana adalah :
Rule Keterangan Rule Predikat
1. Jika rata-rata minat belajar = 2.3 Buruk
2 Jika rata-rata minat belajar = 2.3 dan rata-rata dukungan orang tua = 2.2
Buruk 3 Jika rata-rata minat belajar = 3.4 dan rata-rata
dukungan orang tua = 3.4
Memuaskan 4 Jika rata-rata minat belajar = 3.3 dan rata-rata
dukungan orangtua = 3.2
Memuaskan 7 Jika rata-rata minat belajar = 3.4 dan rata-rata
dukungan orang tua = 3.3 dan rata prilaku belajar = 3.3
Memuaskan
8 Jika rata-rata minat belajar = 3.5 dan rata-rata dukungan orang tua = 3.6 dan rata prilaku belajar = 3.3
Memuaskan
9 Jika rata-rata minat belajar = 3.8 dan rata-rata dukungan orang tua = 3.8 dan rata prilaku belajar = 3.5
Sangat memuaskan
10 Jika rata-rata minat belajar = 3.7 dan rata-rata dukungan orang tua = 3.6 dan rata prilaku belajar = 3.5
Sangat memuaskan
11 Jika rata-rata minat belajar = 3.9 dan rata-rata dukungan orang tua = 3.9 dan rata prilaku belajar = 3.8
Dengan pujian
12 Jika rata-rata minat belajar = 4 dan rata-rata dukungan orang tua = 4 dan rata prilaku belajar = 3.5
Dengan pujian
4.6.1. Cara untuk menghitung atribut pada nilai Gain dan Entropy
Cara untuk memilih atribut sebagai akar, didasarkan pada nilai Gain tertinggi dari atribut-atribut yang ada. Untuk menghitung Gain digunakan rumus seperti tertera dalam Rumus I (Craw, 2005).
Gain(S,A) = Entropy(S) –
∑
=1 *Entropy(Si) S Si n i Dengan S : Himpunan Kasus A : AtributN : Jumlah Partisi atribut A |Si| : Jumlah kasus pada partisi ke i |S| : Jumlah kasus dalam S
Sedangkan perhitungan nilai Entropy dapat dilihat pada rumus 2 berikut (Craw, 2005) : Entropy(A) =
∑
ni=1−pi*log2 pi Dengan S : Himpunan Kasus A : Fitur n : Jumlah partisi Spi : Proporsi dari Si terhadap S
Berikut ini adalah perbandingan lebih rinci mengenai masing-masing langkah dalam pembentukan pohon keputusan dengan menggunakan C45 untuk menyelesaikan permasalahan dalam perhitungan sendiri pada tabel 4.3
1. Menghitung jumlah kasus, jumlah kasus untuk keputusan Ya, jumlah kasus untuk keputusan Tidak, dan Entropy dari semua kasus dan kasus yang dibagi
berdasarkan atribut Minat Belajar, Kepercayaan Diri, Prilaku Belajar, Dukungan Orang Tua, dan Predikat. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 4.3
Tabel 4.3. Perhitungan Gain dan Entropy
Node Jumlah Kasus (S) Tidak (S1) Ya (S2) Entropy Gain 1 TOTAL 14 8 12 0.651968 Minat Belajar 0.545523 DP 4 0 2 0 SM 2 3 2 -0.87744 M 4 2 4 0.5 B 4 3 4 0.311278 Kepercayaan Diri 0.205888 DP 2 0 2 0 SM 2 3 2 -0.87744 M 4 2 4 1 B 6 3 4 0.666667 Prilaku Belajar 0.385157 DP 2 0 2 0 SM 4 2 1 0.75 M 4 2 3 1.061278 B 4 4 6 -0.87744 Dukungan Orangtua 0.544127 DP 4 0 4 0 SM 2 4 2 -2 M 6 2 4 0.918296 B 2 2 2 0 Waktu Belajar 0.208143 DP 2 0 2 0 SM 4 2 2 1 M 4 3 4 0.311278 B 4 3 4 0.24211 Predikat -2.0031 DP 4 3 2 0.701253 SM 6 2 4 5.254888 M 2 2 3 0.389975 B 2 1 3 1.028321
Baris total kolom Entropy pada Tabel 4.3 dihitung dengan rumus 2, sebagai berikut : Entropy(Total) = �8 14∗log2� 8 14�� � 12 14∗log2� 12 14��
Entropy(Total) = 0.651968
Sementara itu nilai Gain pada baris dihitung dengan menggunakan rumus I, sebagai berikut :
Gain(Total,Minat Belajar) = Entropy(Total) = ∑ |������������|
����� ∗ �������(������������) � �=1 Gain(Total,MinatBelajar)=0.651968-�4 14∗0�+� 2 14∗ −0.87744�+� 4 14∗0.5�+ � 4 14∗0.311278� Gain(Total,Minat Belajar) = 0.545523
Dari hasil pada Tabel 4.3 dapat diketahui bahwa atribut dengan Gain tertinggi adalah Minat Belajar yaitu sebesar 0.545523 dan dukungan orang tua yaitu sebesar 0.544127. Sedangkan untuk urutan selanjutnya adalah prilaku belajar yaitu sebesar 0.385157 selanjutnya waktu belajar yaitu sebesar 0.208143 dan terakhir kepercayaan diri yaitu sebesar 0.205888.
Rule Keterangan Rule Predikat
1. Jika rata-rata minat belajar = 0.1 Buruk
2 Jika rata-rata minat belajar = 0.1 dan rata-rata dukungan orang tua = 0.1
Buruk 3 Jika rata-rata minat belajar = 0.43 dan rata-
rata dukungan orang tua = 0.42
Memuaskan 4 Jika rata-rata minat belajar = 0.43 dan rata-
rata dukungan orangtua = 044
Memuaskan 7 Jika rata-rata minat belajar = 0.44 dan rata-
rata dukungan orang tua = 0.44 dan rata prilaku belajar = 0.43
Memuaskan
8 Jika rata-rata minat belajar = 0.42 dan rata- rata dukungan orang tua = 0.45 dan rata prilaku belajar = 0.44
Memuaskan
9 Jika rata-rata minat belajar = 0.46 dan rata- rata dukungan orang tua = 0.48 dan rata prilaku belajar = 0.45
Sangat memuaskan
rata dukungan orang tua = 0.46 dan rata prilaku belajar = 0.5
11 Jika rata-rata minat belajar = 0.52 dan rata- rata dukungan orang tua = 0.51 dan rata prilaku belajar = 0.51
Dengan pujian
12 Jika rata-rata minat belajar = 0.54 dan rata- rata dukungan orang tua = 0.52 dan rata prilaku belajar = 0.52
Dengan pujian
Dari hasil atribut tersebut dapat digambarkan pohon keputusan urutan berdasarkan gain tertinggi sampai terendah seperti gambar 4.7
Gambar 4.7 Pohon keputusan berdasarkan urutan gain tertinggi
Setelah data diambil lalu diuji dengan program Rapidminer dan dibandingkan dengan pengujian hitungan sendiri dengan memakai hitungan Gain and entropy maka didapat hasil yang hampir sama yaitu atribut faktor minat belajar dan dukungan orang tua menjadi urutan paling tinggi.
Minat Belajar Dukungan Orangtua Prilaku Belajar Waktu Belajar Kepercayaan Diri Minat Belajar Dukungan Orangtua Prilaku Belajar Waktu Belajar Kepercayaan Diri