Metode Pengolahan dan Analisis Data

III. METODOLOGI PENELITIAN

3.3. Metode Pengolahan dan Analisis Data

Pengolahan dan analisis data yang akan diteliti menggunakan tehnik

data mining dengan menggunakan metode Market Basket Analysis yaitu

dengan cara menemukan asosiasi dan korelasi dari berbagai macam faktor

yang sering berkaitan dan terdapat hubungan. Pengolahan data menggunakan

tahap-tahap sebagai berikut (Han dan Kamber, 2006):

1. Metode Analisis : yaitu dengan melakukan survei dan observasi untuk

mengumpulkan data yang digunakan

2. Pembersihan data : membuang data, informasi atau field yang tidak

konsisten dan data yang mengandung noise.

3. Integrasi data : merupakan proses memilih dan memisahkan data

berdasarkan kriteria

4. Menyeleksi data : mengambil data yang relevan yang dapat digunakan

untuk proses analisis

5. Transformasi data : data di rubah dalam bentuk yang useable dan dapat

di-mining.

6. Data mining : melakukan penambangan data sehingga mendapatkan

pola-pola dari data

7. Evaluasi Pola : Evaluasi Pola diperlukan untuk mengidentifikasi

pola-pola yang menarik dalam merepresentasikan pengetahuan.

8. Presentasi pengetahuan : setelah menemukan pola data dapat

dipresentasikan dengan tehnik visualisasi agar user dapat mudah

memahaminya. .

Tahapan penelitian diawali dengan melakukan pembersihan data, data

yang akan digunakan adalah data yang dinilai kemenarikannya dan relevan

untuk diekstraksi. Data yang mengandung noise ataupun kosong yang

diakibatkan oleh pengentrian data dapat dibersihkan sehingga tidak

mengganggu ekstraksi data.

Data yang digunakan dalam penelitian ini hanya berupa data

kompetensi akademik dari SLTA dan sebagian dari data diri yaitu jenis

kelamin, asal daerah dan tahun masuk. Selain data yang dibutuhkan atau

terdapat data yang sama maka data tersebut akan dihapus. Pemasukan data

harus didasarkan rule yang ditentukan sehingga jika ada data yang tidak

sama terhadap aturan yang ditentukan data tersebut dibersihkan.

Pembersihan data dilakukan dengan penghapusan data dari database

dan perbaikan data, bagian data yang dihapus adalah data yang

mengandung noise, data kosong ,dan data dari atribut yang tidak dinilai

kemenarikannya. Data juga dapat diperbaiki jika terdapat data yang

terdapat noise tetapi dapat diperbaiki.

Setelah dilakukan pembersihan data, selanjutnya dilakukan integrasi

data, proses ini diperlukan untuk memperoleh data yang dapat di-mining

sesuai kemenarikannya. Data diperoleh dari dua bagian yang berbeda yaitu

PPMB IPB yang mempunyai data tentang kompetensi akademik SLTA

mahasiswa USMI IPB tahun 2005-2008 dan data dari Direktorat

Administrasi Pendidikan yang memiliki data Indeks Prestasi mahasiswa

tersebut selama masa perkuliahan.

Proses pengintegrasian data dimulai dengan konversi nilai akademik

4 mata ajaran Matematika, Fisika, Biologi, dan Kimia yang menjadi dasar

pertimbangan penilaian di jalur USMI untuk dikelompokkan menjadi 2

(dua) kelompok besar yaitu A dan B. Konversi dilakukan juga terhadap

Indeks Prestasi Mahasiswa, sesuai kisaran yang telah ditentukan untuk

penelitian ini adalah IP dengan nilai 3,51–4,00; 2,76 – 3,50; 2,01 – 2,75;

dan < 2,0 dan selanjutnya akan diberi Kode ”CL” untuk nilai 3,51–4,00,

”SM” untuk nilai 2,76 -3,50, ”M” untuk 2,01-2,75 dan ”DS” jika memiliki

nilai <2,0.

Proses integrasi data dilakukan pada tabel dan diidentifikasi

berdasarkan Nomor Induk Mahasiswa (NIM), atribut pada data akan

diberikan kode-kode untuk membedakan. Hasil tabel gabungan akan

memiliki seluruh atribut gabungan dari mahasiswa. Informasi tahun masuk

mahasiswa USMI juga akan disertakan dalam atribut untuk tetap menjaga

informasi. Setelah diintregasikan diperoleh data sebanyak 74.243 tuple.

Atribut yang digunakan dalam penelitian ini berupa Indeks prestasi

TPB diberikan kode ”IPKB”, Indeks prestasi akhir dengan kode ”IPKA”.

Untuk kompetensi akademik SLTA menggunakan variabel dari nilai yang

digunakan sebagai dasar pemilihan mahasiswa USMI yaitu nilai kimia

diberikan kode ”KIMUS”, nilai fisika ”FISUS” nilai matematika

”MATUS” dan nilai biologi ”BIOUS”. Atribut jenis kelamin yang

disingkat ”JK” digunakan juga untuk melihat pengaruh yang diakibatkan

jika terdapat faktor gender, untuk laki-laki diberikan kode ”1” dan

perempuan deberikan kode ”0”. Mayor akan diberikan kode ”DEPT” ,

kode mayor yang dipilih mahasiswa tersebut akan didasarkan kode mayor

yang ada di IPB dan untuk asal daerah akan disingkat dengan ”ASDAE”

diberikan kode seperti pada Tabel 7 dibawah ini :

Tabel 7. Kode Asal Daerah Mahasiswa USMI Tahun 2005-2008

Kode _{Asal Daerah}

1 _Sumatera

2 _{DKI Jakarta}

3 _{Jawa Barat}

4 _{Jawa Tengah}

5 ^{Jawa Timur dan}

Madura

6 ^{Bali dan Nusa}

Tenggara

7 _Kalimantan

8 _Sulawesi

9 _{Irian Jaya}

10 _{Luar Negeri}

Data yang sudah diintegrasikan akan diubah kedalam bentuk data

yang mudah untuk dilakukan penambangan. Data tersebut harus sesuai

dengan alat atau software yang digunakan. Dalam penelitian ini digunakan

”Magnum Opus” yang dikeluarkan oleh G.I. Webb & Associates pty Ltd.,

yang merupakan software untuk mengolah data dengan menggunakan

tehnik market basket analysis.

Data yang diperoleh dari IPB berformat basis data Foxpro (.dbf)

sehingga perlu di transformasi menjadi format yang disediakan oleh

”Magnum Opus” yaitu Identifier-Item File (.idi), Item List File (.itl), Name

File (.nam). Data yang diperoleh dari Panitia Penerimaan Mahasiswa Baru

(PPMB) IPB dan Direktorat Administrasi Pendidikan adalah basis data

Foxpro (.dbf) dan sudah di konversi dalam tabel microsoft exel (.xls).

Format data yang diberikan mirip dengan format Identifier-Item File (.idi)

yang ada di magnum opus, sehingga data yang diperoleh dikonversi

menjadi (.idi) dengan format (NIM, Atribut).

Setelah semua atribut diintegrasikan didapatkan 68 atribut yang

digunakan. Atribut tersebut akan diibaratkan sebuah transaksi, setiap

transaksi berisi tentang data kompetensi akademik saat SLTA, data diri

mahasiswa, serta data pilihan mayor dan indeks prestasinya. Untuk

memudahkan proses atribut tersebut diberikan kode sebagai berikut :

Tabel. 8 Atribut Biner Penilaian Kompetensi Mahasiswa USMI IPB Tahun

2005-2008

Analisis data dilakukan dengan menggunakan kaidah asosiasi

(Association Rules), yang biasa digunakan dalam metode market basket

analysis untuk menghasilkan aturan asosiasi dengan pola ”if condition –

then result” (Agarwal et al, 1993). Association Rules digunakan dengan

1. IPKB CL 35. DEPT A3

2. IPKB SM 36. DEPT A4

3. IPKB M 37. DEPT B0

4. IPKB DS 38. DEPT C1

5. IPKA CL 39. DEPT C2

6. IPKA SM 40. DEPT C3

7. IPKA M 41. DEPT C4

8. IPKA DS 42. DEPT C5

9. ASDAE 1 43. DEPT D1

10. ASDAE 2 44. DEPT D2

11. ASDAE 3 45. DEPT E1

12. ASDAE 4 46. DEPT E2

13. ASDAE 5 47. DEPT E3

14. ASDAE 6 48. DEPT E4

15. ASDAE 7 49. DEPT F1

16. ASDAE 8 50. DEPT F2

17. ASDAE 9 51. DEPT F3

18. ASDAE 10 52. DEPT F4

19. JK 1 53. DEPT G1

20. JK 0 54. DEPT G2

21. MATUS A 55. DEPT G3

22. MATUS B 56. DEPT G4

23. KIMUS A 57. DEPT G5

24. KIMUS B 58. DEPT G6

25. FISUS A 59. DEPT G7

26. FISUS B 60. DEPT G8

27. BIOUS A 61. DEPT H1

28. BIOUS B 62. DEPT H2

29. TAHUN 05 63. DEPT H3

30. TAHUN 06 64. DEPT H4

31. TAHUN 07 65. DEPT I1

32. TAHUN 08 66. DEPT I2

33. DEPT A1 67. DEPT I3

34. DEPT A2 68. DEPT D0

tujuan menemukan frequent itemsets yang dijalankan pada sekumpulan

data. Ukuran objektif yang dapat digunakan untuk menemukan aturan

asosiasi adalah dengan menggunakan dua ukuran kepercayaan

(interestingness measure) (Srikant dan Agrawal, 1996) yaitu :

a. Support adalah suatu ukuran yang menunjukkan presentase

banyaknya kejadian kombinasi item A dalam basis data.

Support = jika asosiasi X → Y =

b. Confidence adalah presentase menunjukkan keakuratan dari

hubungan antar 2 item atau lebih dalam aturan asosiasi (Han dan

Kamber 2006).

Confidence= jika asosiasi X → Y =

Data yang diperoleh dari database ditentukan pola yang menarik dan

dilihat karakteristiknya. Setelah mengetahui karakteristik data dilakukan

integrasi data sehingga mudah untuk di-mining. Aturan yang akan diterapkan

dalam penelitian ini adalah ” jika mahasiswa berasal dari daerah...., dan

memiliki nilai USMI...., memilih mayor....,→ maka Indeks prestasi

mahasiswa...”. Dalam proses data mining juga dapat menggunakan

fasilitas query dalam basis data sehingga dapat digunakan sebagai alat untuk

mengkombinasikan antar item dalam itemset. Penelitian ini menggunakan

software khusus untuk metode market basket analysis yaitu ”magnum opus”

dari G.I. Webb & Associates pty Ltd.

... (6)