SISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING

SISTEM REKOMENDASI KURIKULUM DENGAN

METODE K-MEANS CLUSTERING

Ati Suci Dian Martha, S.Kom., M.T. 1_{, Dena Jatnika Kusumah}2

1,2_{Program Studi Sistem Informasi, STMIK LPKIA, Bandung}

Jln. Soekarno Hatta No. 456 Bandung 40266, Telp. +62 22 75642823, Fax. +62 22 7564282 1_{aciantha@gmail.com} 2 _{denajatnika14@fellow.lpkia.ac.id}

Abstrak

Kurikulum menjadi komponen acuan oleh seluruh satuan pendidikan. Perkembangan kurikulum bekembang sejalan dengan berkembangnya teori dan praktek pendidikan, selain itu kurikulum juga bervariasi sesuai dengan aliran, budaya atau teori pendidikan yang digunakan oleh instansi pendidikan. Kedudukan kurikulum sangat sentral dalam proses pendidikan. Kurikulum mengarahkan segala bentuk aktivitas pendidikan untuk tercapainya tujuan-tujuan pendidikan. Sehingga kurikulum menjadi elemen dasar dari sebuah layanan program pendidikan. Penggunaan data Mining dapat digunakan sebagai pertimbangan dalam mengambil kurikulum pada instansi terkait. Proses tradisional jika didukung teknik data Mining dapat membantu untuk menemukan pola, struktur dan pengetahuan yang berharga, yang dapat dimanfaatkan oleh instansi terkait sebagai modal untuk peningkatan kualitas kurikulum dan kompetensi mahasiswa.

Kata kunci/Keywords : kurikulum, rekomendasi, skkni, kkni, framework, yii2, mysql, php.

1. Pendahuluan

Kurikulum menjadi komponen acuan oleh seluruh satuan pendidikan. Perkembangan kurikulum bekembang sejalan dengan berkembangnya teori dan praktek pendidikan, selain itu kurikulum juga bervariasi sesuai dengan aliran, budaya atau teori pendidikan yang digunakan oleh instansi pendidikan. Kedudukan kurikulum sangat sentral dalam proses pendidikan. Kurikulum mengarahkan segala bentuk aktivitas pendidikan untuk tercapainya tujuan-tujuan pendidikan. Sehingga kurikulum menjadi elemen dasar dari sebuah layanan program pendidikan. Pesatnya perkembangan teknologi informasi saat ini, dapat membantu pengembangan kurikulum dalam dunia pendidikan. Tingkat keakuratan pemilihan kurikulum dapat menentukan bagaimana kualitas materi yang diberikan untuk para pelajar. Setiap kurikulum yang dipilih menjadi tiang pokok dimana materi-materi yang akan dipilih oleh instansi yang terkait akan menentukan kompetensi dari lulusan instansi tersebut. Hal ini menyebabkan nama instansi tersebut akan lebih meningkat atau menurun tergantung pandangan dari masyarakat ataupun dunia kerja terkait hasil dari pembelajaran kurikulum yang dipilih.

STMIK LPKIA merupakan salah satu organisasi pendidikan yang bergerak di bidang Teknologi Informasi. Informasi tentang minat kerja mahasiswa STMIK LPKIA sangatlah penting untuk dimanfaatkan dalam hal meningkatkan kualitas kurikulum sehingga pembelajaran menghasilkan kualitas akademik yang baik untuk mahasiswa.

Untuk pengembangan kurikulum, hampir seluruh instansi pendidikan yang ada di Indonesia termasuk LPKIA masih bersifat tradisional, penentuan dan pengembangan kurikulum yang ada masih membutuhkan waktu yang cukup lama karena institusi

pendidikan yang bersangkutan harus menunggu kebutuhan minat kerja dari lingkungan internal maupun eksternal, dan pencatatan masih menggunakan kertas meskipun sudah menggunakan print-out dari komputer. Hal ini mengakibatkan lamanya proses pengambilan keputusan yang akan diambil, dan juga menambah biaya yang diutuhkan untuk pemilihan kurikulum.

Penggunaan data Mining dapat digunakan sebagai pertimbangan dalam mengambil kurikulum pada instansi terkait. Proses tradisional jika didukung teknik data Mining dapat membantu untuk menemukan pola, struktur dan pengetahuan yang berharga, yang dapat dimanfaatkan oleh instansi terkait sebagai modal untuk peningkatan kualitas kurikulum dan kompetensi mahasiswa.

Berdasarkan latar belakang di atas maka dibuatlah penelitian untuk membuat sistem yang dapat merekomendasikan kurikulum yang dibutuhkan sehingga dapat digunakan oleh instansi terkait dalam menentukan kurikulum untuk meningkatkan kualitas lulusan yang siap menghadapi dunia kerja.

Berdasarkan permasalahan maka dapat teridentifikasi masalah sebagai berikut, yaitu :

Sulitnya Staff Prodi STMIK LPKIA untuk mendapatkan rekomendasi kurikulum dengan ketentuan SKKNI dari hasil penerapan KKNI untuk menentukan kurikulum yang dibutuhkan.

Untuk mengukur batasan masalah dalam penelitian maka penelitian ini dibatasi dengan hanya memfokuskan pada mahasiswa STMIK LPKIA. Untuk mengukur batasan masalah dalam penelitian maka penelitian ini dibatasi dengan ruang lingkup sebagai berikut :

Matakuliah, Nilai, Tracer Pekerjaan, List Pekerjaan, dan Matakuliah dari STMIK LPKIA.

2. Membahas pengolahan data Matakuliah dengan Algoritma K-Means.

3. Menggunakan bahasa pemrograman PHP, Framework Yii2 dan database MySQL.

Tujuan penelitian dirumuskan sebagai berikut :

Sedangkan Kegunaan penelitian dapat dijabarkan sebagi berikut :

Membantu Dosen dan Staff Program Studi STMIK LPKIA dalam menentukan kurikulum.

2. Landasan Teori

2.1. Pengertian Kurikulum

Menurut UU No. 20 Tahun 2003, Kurikulum merupakan seperangkat rencana & sebuah pengaturan berkaitan dengan tujuan, isi, bahan ajar & cara yang digunakan sebagai pedoman dalam penyelenggaraan kegiatan pembelajaran untuk mencapai sebuah tujuan pendidikan nasional. [1]

2.2. Pengertian Sistem Rekomendasi

Menurut Francesco Ricci, Lior Rokach, dan Bracha Shapira. Sistem rekomendasi merupakan sebuah perangkat lunak yang bertujuan untuk membantu pengguna dengan cara memberikan rekomendasi kepada pengguna ketika pengguna dihadapkan dengan jumlah informasi yang besar. Rekomendasi yang diberikan diharapkan dapat membantu pengguna dalam proses pengambilan keputusan, seperti barang apa yang akan dibeli, buku apa yang akan dibaca, atau musik apa yang akan didengar, dan lainnya. [2]

2.3. KKNI Dan SKKNI

Berdasarkan Peraturan Menteri Ketenagakerjaan Repulik Indonesia No. 21 Tahun 2014, Kerangka Kualifikasi Nasional Indonesia, yang selanjutnya disingkat KKNI adalah kerangka penjenjangan kualifikasi kompetensi yang dapat menyandingkan, menyetarakan, dan mengintegrasikan antara bidang pendidikan dan bidang pelatihan kerja, serta pengalaman kerja dalam rangka pemberian pengakuan kompetensi kerja sesuai dengan struktur pekerjaan di berbagai sektor. Sedangkan Standar Kompetensi Kerja Nasional Indonesia, yang selanjutnya disingkat SKKNI adalah rumusan kemampuan kerja yang mencakup aspek pengetahuan, keterampilan dan/atau keahlian serta sikap kerja yang relevan dengan pelaksanaan tugas dan syarat jabatan yang ditetapkan sesuai dengan ketentuan peraturan perundang-undangan yang berlaku. [3]

2.4. Algoritma K-Means

Algoritma K-Means diperkenalkan oleh J.B. MacQueen pada tahun 1976, salah satu algoritma Clustering sangat umum yang mengelompokkan data sesuai dengan karakteristik atau ciri-ciri bersama yang serupa. Grup data ini dinamakan sebagai cluster. Data di dalam suatu cluster mempunyai ciri-ciri (atau

fitur, karakteristik, atribut, properti) serupa dan tidak serupa dengan data pada cluster lain.

Algoritma K-Means adalah Metode Clustering non hierarchical berbasis jarak yang membagi data kedalam cluster dan algoritma ini bekerja pada attribut numerik. Algoritma K-Means termasuk dalam partitioning Clustering yang memisahkan data ke k daerah bagian yang terpisah. Algoritma K-Means sangat terkenal karena kemudahan dan kemampuannya untuk mengklaster data besar dan outlier dengan sangat cepat. [4]

3. Gambaran Perangkat Lunak 3.1. Aliran Proses

Gambar 1 Use Case Diagram

3.2. Aliran Kerja

Gambar 2 Class Diagram

3.3. Perancangan Antarmuka

Perancangan Antarmuka menggambarkan kerangka tampilan dari Sistem. Perancangan Antarmuka nantinya akan menjadi dasar pembuatan tampilan, dimana tiap kerangka menggambarkan fungsi-fungsi yang ada pada sistem.

Nama : Halaman Utama

Gambar 3 Rancangan Utama Halaman Utama Nama : Rancangan Antarmuka Login

Fungsi : Verifikasi Username Dan Password

Gambar 4 Rancangan Utama Halaman Login Nama : Rancangan Antarmuka Tampil Data Fungsi : Menampilkan data yang terdapat pada sistem.

Gambar 5 Rancangan Utama Tampil Data Nama : Rancangan Antarmuka Tampil Detail Data Fungsi : Menampilkan satu Data dari database.

Gambar 6 Rancangan Utama Tampil Detail Data Nama : Rancangan Antarmuka Buat atau Ubah Data Fungsi : Memasukkan Data baru atau mengubah Data yang sudah ada

Gambar 7 Rancangan Utama Buat Data

3.4. Analisa Data Mining

Analisa Data Mining ini akan menjelaskan tentang sumber data, data yang digunakan, proses data dalam data Mining, dan analisa data. Data yang akan digunakan untuk merekomendasikan kurikulum pada STMIK LPKIA adalah data minat kerja mahasiswa, data hasil nilai mahasiswa, data hasil lulusan, dan data minat mahasiswa terhadap mata kuliah. Atribut data yang digunakan untuk melakukan proses rekomendasi kurikulum yaitu : NRP, Hasil Minat Kerja Mahasiswa, Hasil Minat Matakuliah Mahasiswa, Nilai Mahasiswa, dan Hasil Pekerjaan yang didapat oleh Mahasiswa setelah menjadi Alumni.

Setelah Data dianalisis, data diolah untuk mendapatkan pola-pola dan informasi yang tersembunyi di dalam basis data. Pada penerapan metode K-Means Algorithm, data yang diolah adalah data yang berbentuk angka. Setiap objek dihitung kedekatan jaraknya berdasarkan karakter yang dimiliki dengan pusat cluster yang sudah ditentukan sebelumnya, jarak terkecil antara objek dengan masing-masing cluster merupakan anggota cluster yang terdekat. Setelah jumlah cluster ditentukan, selanjutnya dipilih sebanyak 3 objek secara acak sesuai jumlah cluster yang dibentuk sebagai pusat cluster awal untuk dihitung jarak kedekatannya terhadap semua objek yang ada. Berikut contoh perhitungan menggunakan K-Means:

Tabel 1 Contoh Data Awal untuk Mining K-Means Mata Kuliah Parameter Nilai Minat Matakuliah Minat Kerja Pekerjaan A 11 8 35 29 B 12 17 32 26 C 11 11 38 29 D 15 10 26 31 E 16 6 28 24 F 14 12 38 25 G 18 8 34 30 H 12 11 32 31

Dari data diatas, akan dibuat 3 Centroid (C) untuk membuat cluster yang akan membagi data diatas, dengan rumus:

𝐶(𝑥) = ∑

±(

∑

𝑛𝑖=1

− min (𝑛)

2

𝑛

𝑖=1

)

Maka dapat dibuat data awal dari Keseluruhan Centroid:

Tabel 2 Centroid dari Data Awal Nama Cluster Nilai Minat Matakuliah Minat Kerja Pekerjaan C1 12 8 29 26 C2 13 10 32 28 C3 14 12 36 30

Dar data diatas akan dilakukan perhitungan menggunakan algoritma Euclidian Distance dimana jarak ke-i (xi) pada pusat kluster ke-k (ck), diberi nama (dik).

𝑑

_𝑖𝑘

= √∑{𝑐

𝑖𝑗

− 𝑐

𝑘𝑗

}

2

𝑚

𝑗=1

Setelah melakukan perhitungan menggunakan algoritma Euclidian Distance maka akan didapatkan data sebagai berikut :

Tabel 3 Jarak antara Data ke Centroid Pusat Cluste r C1 C2 C3 A 6,78232998 3 4,24264068 7 5,19615242 3 B 9,48683298 1 7,34846922 8 7,81024967 6 C 10 6,48074069 8 3,87298334 6 D 6,8556546 7 10,2956301 4 E 5 7,54983443 5 11,8321595 7 F 10,0995049 4 7,07106781 2 5,38516480 7 G 8,77496438 7 6,08276253 6 H 6,55743852 4 3,31662479 4,69041576 Dari data diatas maka didapatkan anggota kelompok setiap cluster:

Tabel 4 Hasil pengelompokan dari Iterasi Pertama

C1 D, E.

C2 A, B, H.

C3 C, F, G

Nilai pusat kluster yang baru dapat dihitung dengan cara mencari nilai rata-rata dari data-data yang menjadi anggota pada kluster tersebut, dengan

menggunakan rumus berikut:

𝐶

_𝑘𝑗

=

∑

𝑥

𝑖𝑗

𝑝

𝑖=1

𝑝

Hasil dari algoritma diatas maka didapatkan pusat cluster baru, yaitu:

Tabel 5 Centroid Data yang baru Nama Cluste r Nilai Minat Matakulia h Minat Kerja Pekerjaa n C1 15,5 8 27 27,5 C2 11,66 7 12 33 28,667 C3 14,33 3 10,333 36,66 7 28

Setelah didapatkan pusat cluster yang baru maka dilakukan lagi perhitungan jarak data ke cluster yang baru, setelah didapatkan jarak yang baru maka jarak antar data dan pusat cluster yang baru akan dihitung kembali.

Setelah melakukan perhitungan jarak kembali maka akan didapatkan data sebagai berikut :

Tabel 6 Jarak antara Data ke Centroid yang baru Pusat Cluste r C1 C2 C3 A 9,30053761 9 4,53382350 3 4,50924975 3 B 10,9772492 5,76387215 5 8,6986589 C 12,3490890 4 5,15320827 8 3,78593889 7 D 4,18330013 3 8,33999733 5 11,1055541 7 E 4,18330013 3 10,0774776 4 10,6144555 5 F 12,0623380 8 6,62486897 1 3,69684550 2 G 7,84219357 1 7,67390962 2 5,47722557 5 H 7,64852927 2,74873708 4 6,05530070 8

Dari data diatas maka didapatkan anggota kelompok yang baru dari setiap cluster:

Tabel 7 Hasil pengelompokan dari Iterasi kedua

C1 D, E.

C2 B, H.

C3 A, C, F, G

Karena iterasi sudah dilakukan untuk kedua kalinya, maka akan dihitung Rasio nya, perhitungan Rasio dicari dari total Jarak Antar Pusat Cluster (Between Cluster Variation / BCV) dibagi Jarak Minimal per

Pusat Cluster (Within Cluster Variation / WCV). Perhitungan rasio dari iterasi pertama:

Rasio Iterasi Pertama = 18,46218514 / 235 = 0,07856249

Perhitungan rasio dari iterasi kedua:

Rasio Iterasi Kedua = 11,29366306 / 154,1111111 = 0,07856249

Karena Rasio perhitungan sekarang tidak lebih besar dari Rasio perhitungan sebelumnya, maka Iterasi dihentikan dan dihasilkan data hasil dari Iterasi kedua.

4. Implementasi

Berikut ini aktivitas yang dilakukan dalam merancang dan mengimplementasikan Sistem Rekomendasi Kurikulum di STMIK LPKIA Bandung.

a. Persiapan Program yang akan digunakan

Tahap awal pembuatan sistem, disiapkan seluruh program yang dibutuhkan baik untuk perancangan maupun implementasi sistem.

b. Pengumpulan Data dan Informasi

Merupakan tahap pengumpulan data yang dibutuhkan olah perangkat lunak, data-data tersebut akan menjadi acuan dan kerangka sistem.

c. Perancangan Perangkat Lunak

Penulisan kode program terbagi menjadi beberapa kategori berdasarkan Class Diagram yang telah dirancang sebelumnya, yaitu penulisan kode untuk class:

1. Controller dan Model Mahasiswa 2. Controller dan Model Mata Kuliah 3. Controller dan Model Minat Kerja 4. Controller dan Model Minat Matkul 5. Controller dan Model Nilai

6. Controller dan Model Tracer Alumni 7. Controller dan Model Kurikulum 8. Controller dan Model Kompetensi 9. Controller dan Model Mining Kurikulum d. Konfigurasi Perangkat Lunak

Pada tahap ini Perangkat Lunak akan dicoba untuk diimplementasikan pada komputer, dilakukan pemasangan program pendukung yang dibutuhkan, dan dilakukan konfigurasi perangkat lunak agar bisa diakses oleh pengguna.

e. Pengetesan Perangkat Lunak

Tahap ini dilakukan untuk menghindari kesalahan antara lain :

1. Kesalahan penulisan source code program. 2. Kesalahan saat program yang dijalankan. 3. Kesalahan logika.

f. Evaluasi Perangkat Lunak

Tahap ini diperlukan untuk memastikan apakah perangkat lunak dapat berjalan dengan baik, serta mengidentifikasi error sehingga perbaikan dapat segera dilakukan.

Semua aktivitas diatas dijelaskan dalam bentuk tabel dengan hitungan waktu minggu. Berikut ini tabelnya :

Tabel 8 Rencana Aktivitas Kode

Aktivitas

Nama Aktivitas Waktu Minggu Aktivitas yang mendahului A Persiapan program-program yang akan digunakan

1 -

B Pengumpulan data-data dan informasi.

2 - C Analisis deskripsi umum sistem 2 A,B D Perancangan antarmuka 3 C E Penulisan kode program 7 D F Pengetesan perangkat lunak 7 D G Evaluasi perangkat lunak 1 F

Gambar 8 Gantt Chart

Data perhitungan manual di bawah ini menggunakan sentral waktu penyelesaian sistem. Berdasarkan data yang telah dicantumkan dalam tabel, langkah selanjutnya adalah mencari nilai kritisnya. Dibawah ini adalah perhitungan waktunya dengan menggunakan Network Diagram:

Gambar 9 Network Diagram

Berdasarkan Gambar IV.2 maka didapatkan lintasan kritisnya yaitu sebagai berikut.

B – C – D – E – F – G

Berdasarkan lintasan kritis diatas maka waktunya yaitu sebagai berikut.

11 + 11 + 16 + 36 + 36 + 6 = 116 Hari.

Mengenai ruang lingkup dan batasan implementasi agar saat implementasi sesuai dengan modul program, fungsional sistem utama serta dilingkungan implementasi. Adapun lingkup dan batasan implementasi adalah sebagai berikut:

1. Fungsi Mining : Melakukan Mining Data. 2. Fungsi Lihat Data : Menampilkan Data. 3. Fungsi Upload : Mengupload Data

Mentah.

4. Fungsi Kelola Mining : Mengelola Kurikulum SKKNI .

Berikut ini adalah implementasi antar muka dari program aplikasi Sistem Rekomendasi Kurikulum pada STMIK LPKIA Bandung:

DIALOG SCREEN

Nama Dialog Screen : Halaman awal Mining Data Kurikulum

Bentuk :

Gambar 10 Halaman Awal Mining Data Kurikulum Fungsi :

Halaman ini berfungsi untuk melakukan Mining Data Kurikulum.

Uraian cara pemakaian :

Tombol Lakukan Proses Mining untuk melakukan Proses Mining Data untuk mengetahui informasi Rekomendasi Kurikulum.

DIALOG SCREEN

Nama Dialog Screen : Halaman Informasi Jumlah SKS per Matakuliah dari Hasil Mining Data Kurikulum

Bentuk :

Gambar 11Halaman Informasi Jumlah SKS per Matakuliah dari Hasil Mining Data Kurikulum Fungsi :

Halaman ini berfungsi untuk menampilkan informasi Jumlah SKS per Matakuliah dari Hasil Mining Data Kurikulum.

5. Hasil Pengujian

Dibawah ini adalah hasil pengujian yang telah dilakukan pada program aplikasi Sistem Rekomendasi Kurikulum pada STMIK LPKIA Bandung

Tabel IV.2Hasil Pengujian No Fungsi yang Diuji Cara Pengujian Hasil Yang Diharapkan Hasil Peng ujian 1 Data Mining 1. Menghitun 1. Menampilka Sesu ai g jumlah centroid dengan cara menekan menu Mining data kurikulum n hasil jumlah centroid dan bobot masing masing matakuliah 2. Menghitun g jumlah sks dengan cara menekan tombol proses Mining di menu Mining data kurikulum 2. Menampilka n hasil prediksi dan detail perhituangan prediksi Sesua i

Setelah melalui beberapa tahap analisa, perancangan dan implementasi, maka diperoleh kesimpulan sebagai berikut :

Dengan Sistem Rekomendasi Kurikulum, Kapordi dan Tim Kurikulum LPKIA dapat melihat rekomendasi Jumlah SKS per Mata Kuliah yang telah disesuaikan dengan ketentuan SKKNI yang diinginkan.

Saran atau masukan yang dapat diberikan untuk menunjang atau pengembangan sistem selanjutnya, sebagai berikut:

1. Sistem ini dapat dikembangkan agar dapat memberikan hasil rekomendasi kurikulum untuk Prodi lainnya.

2. Sistem ini dapat dikembangkan agar dapat memberikan hasil rekomendasi per Semester.

DAFTAR PUSTAKA

[1] Indonesia, Republik, Peraturan Menteri Ketenagakerjaan No. 21 Tentang Pedoman Penerapan Kerangka Kualifikasi Nasional Indonesia, Jakarta: Lembaran Negara RI Tahun 2014, No. 1792, 2014.

[2] F. Ricci, L. Rokach, B. Saphira and P. B. Kantor, Recommender Systems Handbook, New York: Springer Science, 2010.

[3] Indonesia, Republik, Undang Undang Republik Indonesia Nomor 20 Tahun 2003 Tentang Sistem Pendidikan Nasional, Jakarta: Lembaran Negara RI Tahun 2003, No. 4301, 2003.

[4] D. MacKay, Information Theory, Inference and Learning Algorithms, Cambridge: Cambridge University Press, 2003.