USULAN PENELITIAN DOSEN PEMULA

(1)

USULAN

PENELITIAN DOSEN PEMULA

Judul Penelitian :

Sistem Rekomendasi Penentuan Jurusan Kuliah Berbasis Profil dan

Minat Siswa untuk Mengantisipasi Kesalahan Pemilihan Jurusan

Calon Mahasiswa Baru

Tim Pengusul :

Desi Purwanti Kusumaningrum, M.Kom

0613127701

Noor Ageng Setiyanto, M.Kom

0603127301

Erwin Yudi Hidayat, M.CS

0605078501

UNIVERSITAS DIAN NUSWANTORO

SEMARANG

2015

Kode/Nama Rumpun Ilmu: 463/Teknik Perangkat Lunak

(2)

(3)

DAFTAR ISI

DAFTAR ISI ... i RINGKASAN ... ii BAB I PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Rumusan Masalah ... 2 1.3 Tujuan Penelitian ... 3 1.4 Manfaat Penelitian ... 3 1.5 Potensi Luaran ... 3

BAB II TINJAUAN PUSTKA ... 4

2.1 Sistem Rekomendasi ... 4

2.2 Sistem Rekomendasi dalamPendidikan ... 4

2.3 Data Mining dalam Dunia Pendidikan ... 5

BAB III METODE PENELITIAN ... 6

3.1 Tahapan Penelitian ... 6

3.2 Lokasi dan Objek Penelitian ... 8

3.3 Metode Pengumpulan Data ... 8

BAB IV BIAYA DAN JADWAL PENELITIAN ... 9

4.1 Anggaran Biaya ... 9

4.2 Jadwal Penelitian ... 9

(4)

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.

(5)

BAB I 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 500.000-2.500.000. 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 atau paksaan orang tua memberikan dampak negatif pada performa akademik mahasiswa. Mahasiswa yang salah memilih jurusan tidak dapat mengikuti

(6)

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.

1.2 Rumusan Masalah

Dari latar belakang di atas, dapat dirumuskan permasalahan yang akan diselesaikan dalam penelitian ini adalah bagaimana mengembangkan sistem

(7)

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 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.

1.4 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.

1.5 Potensi Luaran

Sedangkan potensi luaran yang dihasilkan dari penelitian ini 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.

(8)

BAB II 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 fakta-fakta 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 otomatis berubah meskipun ada fakta baru atau pengetahuan baru dari pakar lain.

(9)

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 ke-2. 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.

Penelitian oleh Kovacic (2010) menyelidiki latar belakang socio-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.

(10)

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.

Dalam penelitian ini akan dijelaskan tentang teknik klasifikasi algoritma data mining. Algoritma yang akan dianalisis adalah logistic regression, decision tree, naïve bayes, dan neural network.

BAB III METODE PENELITIAN 3.1 Tahapan Penelitian

Gambar 3.1 Tahapan Penelitian

Tahapan pada penelitian ini ditunjukkan oleh gambar 3.1, 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.

Pengumpulan data awal sistem rekomendasi Wawancara untuk mendesain kuisioner Mengolah data kuisioner dengan teknik data mining Pembuatan antarmuka sistem rekomendasi Studi pustaka materi sistem rekomendasi dan pemilihan jurusan Melakukan kuisioner secara online

Uji coba hasil

data mining kuisioner Sistem Rekomen-dasi Penarikan kesimpulan dan pembuatan laporan Sistem Rekomendasi

(11)

Tujuannya adalah untuk mendapatkan gambaran bagaimana membangun sistem rekomendasi jurusan kuliah dan faktor apa saja yang perlu diperhatikan dalam pengembangan sistem tersebut.

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.

(12)

Langkah terakhir dari penelitian ini adalah penarikan kesimpulan dan pembuatan laporan akhir, termasuk membuat makalah artikel ilmiah yang akan diterbitkan pada jurnal nasional terakreditasi atau jurnal internasional.

3.2 Lokasi dan Objek Penelitian

Kegiatan penelitian dilakukan di Universitas Dian Nuswantoro, Jalan Nakula I No. 11-15 Semarang 50131. Adapun objek penelitian adalah siswa yang mendaftar sebagai calon mahasiswa program studi jenjang strata 1.

3.3 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 mengintegrasikan dengan Sistem akademik dapat diketahui dengan mudah profil mahasiswa pengisi kuisioner.

(13)

BAB IV BIAYA DAN JADWAL PENELITIAN 4.1 Anggaran Biaya

Dalam menjalankan kegiatan – kegiatan diperlukan anggaran dana untuk menunjang kesuksesan kegiatan tersebut. Berikut adalah anggaran biaya secara globalyang akan diusulkan penelitian ini :

No. Jenis Pengeluaran Biaya yang diusulkan (Rp)

1 Honor 2.976.000,-

2 Peralatan penunjang 5.340.000,-

3 Bahan habis pakai 2.215.000,-

4 Perjalanan 2.200.000,-

5 Seminar hasil 2.250.000,-

Jumlah 14.981.000,-

4.2 Jadwal Penelitian

Penelitian ini akan dilaksanakan selama 12 bulan. Adapun rincian pembagian jenis kegiatan dipaparkan pada tabel berikut:

No. Jenis Kegiatan 1 2 3 4 5 6 7 8 9 10 11 12 1 Pengumpulan data awal

a. Pengumpulan kebutuhan b. Analisis Permasalahan

2 Studi Pustaka

a. Studi sistem rekomendasi b. Studi pemilihan jurusan c. Studi faktor minat dan

demografi mahasiswa

3 Wawancara Sumber

(14)

b. Wawancara Ka.Progdi c. Simpulan hasil wawancara d. Pembuatan kuisioner

4 Kuisioner Online

d. Pembuatan tool kuisioner online

a. Penyebaran kuisioner b. Rekapitulasi hasil

5 Pengolahan Data

a. Desain data mining b. Penerapan data mining

6 Pengujian Hasil

a. Translasi hasil aturan b. Implementasi ke data baru

7 Pembuatan antarmuka

a. Desain antarmuka

e. Translasi data mining ke algoritma

b. Pengujian antarmuka

(15)

DAFTAR PUSTAKA

Awas, Salah Jurusan Fatal Akibatnya!, 2013, diakses pada 11 Juni 2013 http://campuslifemagz.beritasatu.com/landing.php?kategori=study &id=388

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.Jurusan

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

(16)

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

(17)

Lampiran 1 Justifikasi Anggaran Penelitian 1. Honor Honor Honor/jam (Rp) Waktu (jam/min ggu) Minggu Honor (Rp) Ketua 11.000,- 3 32 1.056.000,- Anggota 1 10.000,- 3 32 960.000,- Anggota 2 10.000,- 3 32 960.000,- SUB TOTAL (Rp) 2.976.000,- 2. Peralatan penunjang Material Justifikasi pemakaian Kuantitas Harga satuan (Rp) Harga peralatan penunjang (Rp) Sewa laboratorium Pembuatan prototype sistem rekomender 1 unit 650.000,- 650.000,- Sewa modem

GSM Akses internet 3 unit 960.000,- 2.880.000,-

Sewa printer

laser jet colour Cetak laporan 1 unit 510.000,- 510.000,- Sewa software Rapid Miner

software 1 unit 500.000,- 500.000,- Jasa Internet Service Provider (ISP) Langganan internet unlimited 12 bulan 4 orang 200.000,- 800.000,- SUB TOTAL (Rp) 5.340.000,-

3. Bahan Habis Pakai

Material Justifikasi pemakaian Kuantitas Harga satuan (Rp) Biaya (Rp) Kertas HVS A4

80 gram Alat tulis kantor 4 rim 35.000,- 140.000,- Toner printer

laser black

Alat tulis kantor

2 unit 225.000,- 450.000,- Toner printer

laser colour

Alat tulis kantor

2 unit 325.000,- 650.000,- CD blocknote Alat tulis kantor 5 set 30.000,- 150.000,- SD card dan baterai recorder Menyimpan waawancara pada recorder 1 unit 275.000,- 275.000,- Extrenal Haddisk Menyimpan data dan hasil pengolahan data 1 unit 550.000,- 550.000,- SUB TOTAL (Rp) 2.215.000,-

(18)

4. Perjalanan Material Justifikasi Perjalanan Kuantitas Harga Satuan (Rp) Biaya (Rp) Transportasi

survei dan riset

Ke Unit Pengembangan Sistem Informasi UDINUS 20 orang 75.000,- 1.500.000,- Konsumsi diskusi Biaya konsumsi

rapat tim peneliti 20 orang 30.000,- 600.000,-

SUB TOTAL (Rp) 2.200.000,-

5. Seminar hasil

Kegiatan Justifikasi Kuantitas Harga Satuan (Rp) Biaya (Rp) Publikasi penelitian Publikasi penelitian 1 1.400.000,- 1.400.000,- Desiminasi 1 850.000,- 850.000,- SUB TOTAL (Rp) 2.250.000,-

TOTAL ANGGARAN YANG DIPERLUKAN (Rp) 14.981.000,-

Lampiran 2 Susunan Organisasi Tim Peneliti dan Pembagian Tugas

No Nama NIDN (posisi) Bidang Ilmu Alokasi Waktu (jam/minggu) Uraian Tugas 1 Desi Purwanti K, M.Kom 0613127701 (Ketua Peneliti) Rekayasa Perangkat Lunak 3  Mengkoordinasi seluruh kegiatan penelitian  Analisa hasil, Membuat laporan dan diseminasi 2 Noor Ageng Setiyanto, M.Kom 0603127301 (Anggota Peneliti) Rekayasa Perangkat Lunak 3  Merancang I/O  Mengkonversi desain logic menjadi operasi dalam bahasa pemrograman  Analisa hasil 3 Erwin Yudi Hidayat, M.CS 0605078501 (Anggota Peneliti) 3  Merancang I/O  Analisa Hasil  Pengujian Sistem

(19)

Lampiran 3 Biodata Ketua dan Anggota

Biodata Ketua Peneliti

A. Identitas Diri

1 Nama Lengkap (dengan jelas) Desi Purwanti Kusumaningrum, M.Kom

2 Jenis Kelamin Perempuan

3 Jabatan Fungsional Lektor

4 NPP 0686.11.2009.360

5 NIDN 0613127701

6 Tempat dan Tanggal Lahir Cilacap, 13 Desember 1977

7 Alamat Rumah Jl. Gatot Subroto No. 14A RT 02 RW 06 Pasadena Semarang50183

8 Nomor Telepon/Fax/HP 081 5652 1624

9 Alamat Kantor Jl. Nakula I No. 5 – 11 Semarang 50131 10 Nomor Telepon/Faks 024-3520165 / 024-3569684

11 Alamat E-mail d7_pk@yahoo.com

12 Lulusan yang Telah Dihasilkan

S1 = 56 orang; S2 = orang; S3= orang

13 Mata Kuliah yang Diampu 1. Algoritma dan Pemrograman 2. Sistem Basis Data

3. Strategi Algoritma

B. Riwayat Pendidikan

S1 S2

Nama Perguruan Tinggi STMIK Dian Nuswantoro

Universitas Dian Nuswantoro

Bidang Ilmu Manajemen Informatika Teknik Informatika

Tahun Masuk – Lulus 1996-2000 2002 – 2004

(20)

Pengolahan Data Nasabah Asuransi Beasiswa Berencana pada AJB Bumiputera 1912 Rayon Tugu Semarang

Perancangan Basis Data Terpadu Sistem Informasi Strategis Pendidikan Pada Lembaga Pendidikan Komputer Budiman Semarang Nama Pembimbing/Promotor

Ariati Anomsari, S.E., M.M.

Edi Faisal, M.Kom.

Y.Tyas Catur Pramudi, S.Si., M.Kom.

Edy Mulyanto, S.Si., M.Kom.

C. Pengalaman Penelitian Dalam 5 Tahun Terakhir

No Tahun Judul Penelitian Pendanaan

Sumber* Jml (Juta

Rp)

1 2008 Pelafalan dan Konversi Bilangan Menjadi Kalimat Menggunakan Borland Delphi 6.0

LP2M UDINUS

3

2 2012 Analisis Pengelolaan Edukasi dan Pelatihan Pengguna TIK

(DS7) Berdasarkan

Framework Cobit 4.1 Untuk Meningkatkan Efektifitas Layanan Berbasis TI Pada Universitas Dian Nuswantoro

LP2M UDINUS

4,5

3 2013 Pengembangan Mobile Learning Management System secara Hybrid (Online/Offline) sebagai Solusi Pengaksesan LMS pada Smartphone dengan Koneksi Terbatas

(21)

D. Pengalaman Pengabdian Kepada Masyarakat Dalam 5 Tahun Terakhir

No Tahun Judul Pengabdian Kepada

Masyarakat

Pendanaan

Sumber* Jml

(Juta Rp)

1 2008 Pelatihan Mail Merge Bagi Guru-Guru SD di Sekitar Universitas Semarang

USM 1,5

2 2012 Pelatihan Pembuatan Blog Dengan Wordpresss

LP2M 2

3 2013 IbM Siswa SMK Kota Semarang dalam Pembuatan Blog Untuk Mendukung Pembelajaran

LP2M 3

4 2014 Pelatihan dan Pendampingan Pembuatan “Buku Bicara” untuk PERTUNI Jawa Tengah

Pertuni Jateng

5

5 2014 Pelatihan Pemanfaatan Layanan Internet sekaligus Sosialisasi Dampak Positif dan Negatif Internet

LP2M 3

6 2015 Santripreneurship Membentuk Jiwa Wirausaha berbasis IT untuk Meningkatkan Potensi Pondok Pesantren melalui Internet Marketing

LP2M 3

E. Pengalaman Penulisan Artikel Ilmiah Dalam Jurnal Dalam 5 Tahun Terakhir

No Judul Artikel Ilmiah Volume/Nomor/Tahun Nama Jurnal

1 Analisis dan Perancangan Basis Data Terpadu Sistem Informasi Strategis Pendidikan pada LPK Budiman Semarang, tahun 2005, Majalah Ilmiah Dinamika Sains Universitas Pandanaran Semarang. 2005 Majalah Ilmiah Dinamika Sains Universitas Pandanaran Semarang. 2 Komunikasi Online : Meningkatkan Penjualan Secara Signifikan Dengan Mengintegrasikan Manajemen Relasi Volume 5, Nomor 2, Januari 2008, ISSN : 1693-3656 Jurnal Transformatika Fakultas TIK Universitas Semarang.

(22)

Pelanggan menggunakan Komunitas Penjualan 3 Pemodelan & Simulasi

Sistem Pengembangan Agroindustri Sutera Alam

Volume 9, Nomor 4, November 2010, ISSN : 1412-2693 Jurnal Ilmiah Techno.com ISSN : 1412-2693 4 Strategi Peningkatan Proses Tata Kelola Teknologi Informasi Universitas XYZ Domain Deliver and Support (DS) Framework Cobit 4.0

Prosiding Seminar Nasional Teknologi & Komunikasi Terapan, (Semantik) 2012, UDINUS Semarang ISBN : 979-26-0255-0 Prosiding Seminar Nasional Teknologi & Komunikasi Terapan, (Semantik) 2012, UDINUS Semarang

F. Pengalaman Penyampaian Makalah Secara Oral Pada Pertemuan/Seminar Ilmiah Dalam 5 Tahun Terakhir

No Nama Pertemuan

Ilmiah/Seminar

Judul Artikel Ilmiah Waktu dan Tempat

1 Seminar Nasional Sains dan Teknologi 2010

Pemanfaatan Infrastruktur Wi-Fi pada Mobile PC dan PDA untuk proses E-Learning di era Intranet dan Internet

Tahun 2005, Universitas Ahmad Dahlan Yogyakarta

G. Pengalaman Penulisan Buku dalam 5 tahun terakhir

No Judul Buku Tahun Jumlah

Halaman

Penerbit

---

H. Pengalaman Perolehan HKI dalam 5 – 10 tahun terakhir

No Judul/Tema HKI Tahun Jenis No P/ID

---

(23)

No Judul/Tema/Jenis Rekayasa Sosial lainya yang telah

diterapkan Tahun Tempat Penerapan Respon Masyarakat ---

J. Penghargaan yang pernah diraih dalam 10 tahun terakhir (dari Pemerintah, Sosial, Institusi lainnya)

No Jenis Penghargaan Institusi Pemberi

Penghargaan

Tahun

---

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan,saya sanggup menerima resikonya. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan Penelitian Dosen Pemula.

Semarang, 27 April 2015 Pengusul,

Desi Purwanti Kusumaningrum, M.Kom NPP.0686.11.2009.360

(24)

Biodata Anggota Peneliti 1

1 Nama Lengkap (dengan jelas) Noor Ageng Setiyanto, M.Kom 2 Jenis Kelamain Laki – Laki

3 Jabatan Fungsional Assisten Ahli

4 NPP 0686.11.1997.125

5 NIDN 0603127301

6 Tempat dan Tanggal Lahir Kudus, 03-Desember-1973

7 Alamat Rumah Dk. Dermoyo, RT 1/ RW 1,

Cengkalsewu, Sukolilo, Pati, 59172 8 Nomor Telepon/Fax/HP 081 127 1203

9 Alamat Kantor Jl. Nakula I No. 5 – 11 Semarang 50131 10 Nomor Telepon/Faks 024-3520165 / 024-3569684

11 Alamat E-mail nasetiyanto@gmail.com

12 Lulusan yang Telah Dihasilkan S1 = 32 orang; S2 = orang; S3= orang 13 Mata Kuliah yang Diampu 1. Interaksi Manusia dan Komputer

2. Pemrograman Web dan Web Lanjut 3. Jaringan Komputer dan Lanjut

S1 S2

Nama Perguruan Tinggi Universitas Dian Nuswantoro

Universitas Dian Nuswantoro

Bidang Ilmu Sistem Informasi Teknik Informatika Tahun Masuk – Lulus 1993-1996 (DIII)

1999-2001 (S1)

2006 – 2011 Judul Skripsi/Thesis Sistem Informasi

Pengajaran Praktikum Komputer

Pembelajaran Transport Layer (Koneksi Antar Host) Pada Mata Kuliah Jaringan Komputer Dengan Metode Pendekatan

(25)

Problem Based Learning Nama Pembimbing/Promotor Dr. Ir. Edi Noersasongko, M.Kom Bambang D. W, S. Si, M.Kom Dr. –Ing Vincent Suhartono Heribertus Himawan, M. Kom

No Tahun Judul Penelitian Pendanaan

Sumber* Jml

(Juta Rp)

D. Pengalaman Pengabdian Kepada Masyarakat Dalam 5 Tahun Terakhir No Tahun Judul Pengabdian Kepada

Masyarakat

Pendanaan

Sumber* Jml

(Juta Rp)

No Judul Artikel Ilmiah Volume/Nomor/Tahun Nama Jurnal

1 Model Bisnis Yang Memanfaatkan Kualitas Unik Dari Internet Dan Mendukung Transaksi E-Commerce

Vol :7/ No.3/2008 Majalah Ilmiah Dinamika Sains Universitas Pandanaran Semarang. 2 Pembelajaran Transport

Layer (Koneksi Antar Host) Pada Mata Kuliah Jaringan Komputer

Dengan Metode

Vol : 11//no. 1/2012 Jurnal

Transformatika Fakultas TIK Universitas Semarang.

(26)

Pendekatan Problem Based Learning

3 Aplikasi Mobile Informasi Pariwisata Kota Semarang Berbasis Android

Vol : 11/no. 3/2012 Jurnal Ilmiah Techno.com ISSN : 1412-2693

F. Pengalaman Penyampaian Makalah Secara Oral Pada Pertemuan/Seminar Ilmiah Dalam 5 Tahun Terakhir

No Nama Pertemuan

Ilmiah/Seminar

Judul Artikel Ilmiah Waktu dan Tempat

---

No Judul Buku Tahun Jumlah

Halaman

Penerbit

---

No Judul/Tema HKI Tahun Jenis No P/ID

---

I. Pengalaman Merumuskan Kebijakan Publik. Rekayasa Sosial lainnya dalam 5 tahun terakhir

No Judul/Tema/Jenis Rekayasa Sosial lainya yang telah

diterapkan Tahun Tempat Penerapan Respon Masyarakat ---

(27)

J. Penghargaan yang pernah diraih dalam 10 tahun terakhir (dari Pemerintah, Sosial, Institusi lainnya)

No Jenis Penghargaan Institusi Pemberi Penghargaan

Tahun

---

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan,saya sanggup menerima resikonya. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan Penelitian Dosen Pemula.

Noor Ageng Setiyanto, M.Kom NPP. 0686.11.1997.125

(28)

Biodata Anggota Peneliti 2

1 Nama Lengkap (dengan jelas) Erwin Yudi Hidayat, MCS

2 Jenis Kelamin Laki – Laki

3 Jabatan Fungsional Tenaga Pengajar

4 NPP 0686.11.2012.442

5 NIDN 0605078501

6 Tempat dan Tanggal Lahir Temanggung, 5 Juli 1985

7 Alamat Rumah Desa Gemuruh RT 03 RW 02, Kecamatan Bawang, Kabupaten Banjarnegara

8 Nomor Telepon/Fax/HP 0286592461/08122922048

9 Alamat Kantor Jl. Nakula I No. 5 – 11 Semarang 50131 10 Nomor Telepon/Faks (024) 3517261

11 Alamat E-mail erwin@dsn.dinus.ac.id

12 Lulusan yang Telah Dihasilkan S1 = - orang; S2 = - orang; S3 = - orang 13 Mata Kuliah yang Diampu 1. Otomata dan Teori Bahasa

2. Kecerdasan Buatan 3. Matematika Diskrit

S1 S2

Nama Perguruan Tinggi Univ. Dian Nuswantoro Universiti Teknikal Malaysia Melaka Bidang Ilmu Teknik Informatika Software Engineering

and Intelligence

Tahun Masuk – Lulus 2005-2009 2010-2012

Judul Skripsi/Thesis Analisis Steganografi Metode Least Significant Bit (LSB) dengan

Penyisipan Sekuensial dan Random Secara

Kuantitatif dan Visual

Digital Image Watermarking Based on DWT-DCT and PSO Nama Pembimbing/Promotor

T. Sutojo, S.Si, M.Kom Dr. Azah Kamilah Muda

(29)

No. Tahun Judul Penelitian

Pendanaan Sumber* Jml (Juta

Rp.)

1 2013

Purwarupa

Tangible Cultural Heritage Documentation Berbasis Database Multimedia

Dikti 12.000.000

D. Pengalaman Pengabdian Kepada Masyarakat Dalam 5 Tahun Terakhir

No. Tahun Judul Pengabdian Kepada Masyarakat

Pendanaan

Sumber* Jml (Juta Rp.)

No. Judul Artikel Ilmiah Volume/Nomor/Tahun Nama Jurnal

1.

A Comparative Study of Feature Extraction Using PCA and LDA

ISBN 978-1-4577-2154-0 2011 7th_{International} Conference on Information Assurance and Security (IAS)

2.

Optimizing Feature

Extraction using PSO-LDA for Face Recognition

ISSN 1554-1010 Volume 7 (2012) pp. 222-228

Journal of Information Assurance and Security

3.

Feature Extraction on Offline Handwritten Signature using PCA and LDA for Verification System

ISSN: 2088-6578 2012

International Conference on Information

Technology and Electrical Engineering (CITEE)

4.

Hybrid DWT-DCT

Watermarking Citra Digital Menggunakan Metode Comparison-Based Correlation Embedding

ISBN 979-26-0255-0 Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2012 (Semantik 2012)

5.

NoSQL: Latar Belakang, Konsep, dan Kritik

ISSN 979-26-0255-0 Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2012 (Semantik 2012)

(30)

6.

Hybrid Watermarking Citra Digital

Menggunakan Teknik DWT-DCT dan SVD

ISBN 979-26-0255-0 Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2011 (Semantik 2011) 7. Purwarupa Tangible Cultural Heritage Documentation Berbasis Database Multimedia Universitas Dian Nuswantoro Techno.COM, Vol. 12, No. 4, November 2013: 188-197 Techno.COM

F. Pengalaman Penyampaian Makalah Secara Oral Pada Pertemuan/ Seminar Ilmiah Dalam 5 Tahun Terakhir

No Nama Pertemuan Ilmiah/Seminar

Judul Artikel Ilmiah Waktu dan Tempat 1. 7th_{International}

Conference on

Information Assurance and Security (IAS)

A Comparative Study of Feature Extraction Using PCA and LDA

5-8 Desember 2011 Melaka, Malaysia,

2. Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2012 (Semantik 2012)

Hybrid DWT-DCT

Watermarking Citra Digital Menggunakan Metode

Comparison-Based Correlation Embedding

23 Juni 2012

Semarang, Indonesia

No Judul Buku Tahun Jumlah

Halaman

Penerbit ---

No Judul/Tema HKI Tahun Jenis No P/ID

(31)

I. Pengalaman Merumuskan Kebijakan Publik. Rekayasa Sosial lainnya dalam 5 tahun terakhir

No Judul/Tema/Jenis Rekayasa Sosial lainya yang telah

diterapkan

Tahun Tempat Penerapan

Respon Masyarakat

---J. Penghargaan yang pernah diraih dalam 10 tahun terakhir (dari Pemerintah, Sosial, Institusi lainnya)

No Jenis Penghargaan Institusi Pemberi Penghargaan

Tahun

---Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan,saya sanggup menerima resikonya. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan Penelitian Dosen Pemula.

Erwin Yudi Hidayat, S.Kom, M.CS NPP. 0686.11.2012.442

(32)

SURAT PERNYATAAN KETUA PENELITI

Yang bertanda tangan di bawah ini:

Nama : Desi Purwanti K, M.Kom

NIDN : 0613127701

Pangkat / Golongan : Penata / III C Jabatan Fungsional : Lektor

Dengan ini menyatakan bahwa proposal penelitian saya dengan judul Sistem

Rekomendasi Penentuan Jurusan Kuliah Berbasis Profil dan Minat Siswa untuk Mengantisipasi Kesalahan Pemilihan Jurusan Calon Mahasiswa Baru yang

diusulkan dalam skema Penelitian Dosen Pemula untuk tahun anggaran 2015 bersifat

original dan belum pernah dibiayai oleh lembaga/sumber dana lain.

Bilamana di kemudian hari ditemukan ketidaksesuaian dengan pernyataan ini, maka saya bersedia dituntut dan diproses sesuai dengan ketentuan yang berlaku dan mengembalikan seluruh biaya penelitian yang sudah diterima ke kas negara. Demikian pernyataan ini dibuat dengan sesungguhnya dan dengan sebenar-benarnya.

Semarang, 28 April 2015 Mengetahui,

Yang menyatakan,

Ketua LP2M UDINUS Ketua Peneliti

Prof. Vincent Didiek Wiet Aryanto, MBA, Ph.D Desi Purwanti K, M.Kom.