17
BAB III
METODOLOGI PENELITIAN
3.1. Tahapan Penelitian
Tahapan proses penelitian dalam penulisan skripsi ini mengenai pengolahan
tingkat kelulusan siswa yang akan digambarkan pada bagan sebagai berikut:
Sumber : (Lisnawati, 2020)
Gambar III.1
Bagan Tahapan Penelitian
Mulai
Pengolahan Data Siswa
Mengolah Data Menggunakan
Microsoft Excel
Mengolah Data Menggunkan
Aplikasi Rapid Miner
Proses Pengolahan Data
Menggunakan Metode Naïve Bayes
Menentukan Hasil
Akurasi
1. Data sampel sama dengan populasi akan dilakukan pengolahan kedalam
Microsotf Excel.
2. Pengolahan data menggunakan Microsoft Excel untuk mendapatkan hasil data
testing.
3. Pengolahan data menggunakan aplikasi Rapid Miner untuk memasukan data
testing yang akan diuji.
4. Pada tahap ini data testing akan dilakukan pengolahan menggunakan metode
Naïve Bayes, kemudian hasil dari data tersebut akan menghasilkan validasi data
dengan hasil akurasi yang sama dengan data yang sudah diuji di dalam aplikasi
Rapid Miner.
5. Data yang sudah dilakukan pengolahan menggunakan aplikasi Rapid Miner dan
Naïve Bayes akan menghasilkan keakuratan data hasil dari pengolahan data
siswa tersebut dengan hasil akurasi yang akurat.
3.2. Instrumen Penelitian
Beberapa hal penting yang menjadi instrumen pada penelitian ini sebagai
berikut:
1. Penelitian ini menggunakan data riset, data yang akan dimasukan dan dilakukan
pengolahan yaitu data (Nilai Praktik, Nilai US (Ujian Sekolah), Nilai UN (Ujian
Nasional) dan Perilaku Siswa) yang akan menjadi sampel sama dengan populasi
digunakan sebagai instrumen guna memperoleh data dalam proses klasifikasi
prediksi dalam tigkat kelulusan siswa.
2. Data yang sudah tersedia didalam bentuk Microsoft Excel adalah data sampel
sama dengan populasi dengan keseluruhan siswa sebanyak 60 dengan siswa
yang lulus maupun siswa yang tidak lulus yang diambil dari tahun ajaran 2016.
3. Perangkat lunak yang digunakan dalam pengolahan data adalah Microsoft Excel
2010.
4. Untuk melihat hasil akhir dari algoritma dan metode Naïve Bayes yang sudah
digunakan untuk mengolah data yaitu menggunakan aplikasi Rapid Miner.
3.3. Metode Pengumpulan Data, Populasi dan Sampel Penelitian
3.3.1. Metode Pengumpulan Data
Seperti yang sudah dijelaskan di BAB sebelumnya, didalam penelitian ini
metode pengumpulan data yang digunakan adalah metode Obeservasi, Wawancara
dan Studi Pustaka. Dalam metode ini diguanakan untuk mengumpulkan dan mencari
data tentang informasi yang dibutuhkan untuk melakukan penelitian. Sumber yang
digunakan dalam penelitian ini yaitu:
1. Data Primer
Data yang diperoleh secara langsung dari sumber data yang berhubungan dengan
penelitian. Data ini didapat dari data Nilai Praktik, Nilai US (Ujian Sekolah),
Nilai UN (Ujian Nasional) dan Perilaku Siswa. Untuk mendapatkan data primer
dapat dilakukan dengan cara Obsservasi, Wawancara secara langsung kepada
narasumber dengan salah satu staff guru yang ada di sekolah yaitu Ibu Neng
Wida Novira.
2. Data Sekunder
Data sekunder adalah pelengkap dari data primer yang diperoleh dari buku-buku
dan jurnal yang ada di internet.
3.3.2. Populasi
Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya (Vogt, 2015)
Populasi dari penelitian ini merupakan data tingkat kelulusan siswa, dengan
keseluruhan siswa berjumlah sebanyak 60 siswa dari yang lulus maupun siswa yang
tidak lulus yang diambil dari tahun ajaran 2016.
3.3.3. Sampel Penelitian
Sampel adalah sebagian atau wakil dari populasi yang akan diteliti. Bila
populasi besar dan peneliti tidak memungkinkan mempelajari semua yang ada pada
populasi karena keterbatasan dana, tenaga dan waktu, maka peneliti dapat
menggunakan sampel dari data yang diambil dari populasi itu (Vogt, 2015).
Teknik pengambilan sampel dalam penelitian ini adalah total sampling. Total
sampling adalah teknik pengambilan sampel dimana jumlah sampel sama dengan
populasi. Alasan mengambil total sampling karena jumlah populasi yang kurang dari
100 seluruh populasi dijadikan sampel penelitian semuanya. Sampel yang diambil
dari penelitian ini yaitu berjumlah 60 siswa.
Tabel III.1
Data Nilai Siswa
Nama Jenis Kelamin Jurusan Nilai Praktik Nilai US Nilai UN Perilaku Siswa Status Kelulusan Ahmad Taji Saputra Laki-Laki IPA 95 88 33.35 Baik Lulus Aldo Laki-Laki IPA 80 97 33.21 Baik Lulus Dani Perempuan IPA 70 70 20.10 Kurang
Baik Tidak Lulus Fatmawati Perempuan IPA 65 71 20.20 Kurang
Baik Tidak Lulus Gilang Maulana
Yusup Laki-Laki IPA 80 83 30.33 Baik Lulus Hadam Laki-Laki IPA 66 71 20.15 Baik Tidak Lulus Ibnu Fajarulloh Laki-Laki IPA 80 85 31.34 Baik Lulus Muhamad Laki-Laki IPA 71 73 20.25 Kurang Tidak Lulus
Alamsyah Baik Muhamad Amir
Hamzah Laki-Laki IPA 80 84 31.45 Baik Lulus Muhamad Bayu
Rojudin Laki-Laki IPS 87 82 30.10 Baik Lulus Muhamad Nuh Laki-Laki IPS 85 87 32.35 Baik Lulus Muhamad Yusup
Maulana Laki-Laki IPS 79 79 33.25
Kurang
Baik Lulus Naila Perempuan IPA 87 78 32.33 Baik Lulus Neng Selsa Artika
Safitri Perempuan IPA 87 86 33.20
Kurang
Baik Lulus Neng Setiawati Perempuan IPA 86 85 31.21 Baik Lulus Nugraha Laki-Laki IPA 68 70 20.09 Kurang
Baik Tidak Lulus Nurul Padilah Perempuan IPA 70 70 20.15 Kurang
Baik Tidak Lulus Prabusiliwangi Laki-Laki IPS 70 70 20.00 Kurang
Baik Tidak Lulus Purwanda Laki-Laki IPS 80 83 33.23 Baik Lulus Rendi Mulana Laki-Laki IPS 83 80 30.45 Kurang
Baik Lulus Riki Riansah Laki-Laki IPS 66 70 20.19 Baik Tidak Lulus Ripal Laki-Laki IPS 81 88 35.10 Baik Lulus Ripaldi Laki-Laki IPS 67 67 20.11 Kurang
Baik Tidak Lulus Samsudin Laki-Laki IPS 87 90 34.22 Baik Lulus Sandi Laki-Laki IPS 88 76 35.30 Baik Lulus Sandi Laki-Laki IPS 84 87 31.33 Baik Lulus Sasta Agustin Perempuan IPS 80 80 34.27 Baik Lulus Sinta Nuraeni Perempuan IPA 70 65 20.25 Kurang
Baik Tidak Lulus Siti Alia Perempuan IPA 88 82 31.43 Baik Lulus Siti Eliasih Perempuan IPA 82 81 31.32 Baik Lulus Siti Hanibah Perempuan IPS 88 86 30.32 Baik Lulus Sulastri Aruni Perempuan IPS 66 68 20.05 Baik Tidak Lulus Tasya Aulia Putri Perempuan IPS 87 80 30.25 Kurang
Baik Lulus Teteng Laki-Laki IPS 81 85 31.54 Baik Lulus Yuliana Perempuan IPS 89 83 30.42 Baik Lulus Yuni Ariani Perempuan IPS 84 75 31.22 Kurang
Baik Lulus Agung Laki-Laki IPA 83 91 30.00 Baik Lulus Ahmad Gunadi Laki-Laki IPA 80 90 31.23 Baik Lulus Ahmad Resal Laki-Laki IPA 84 77 30.55 Baik Lulus Ahmad Ripai Laki-Laki IPA 83 82 31.38 Baik Lulus Ajeng Siti Khodijah Perempuan IPA 65 66 20.01 Kurang
Baik Tidak Lulus Derince Laki-Laki IPA 90 82 32.57 Baik Lulus Diana Lestari Perempuan IPA 95 77 32.50 Baik Lulus Fahrudin Laki-Laki IPA 96 92 30.34 Baik Lulus Lisnawati Perempuan IPS 80 91 33.32 Baik Lulus Luz Haiqa Elaine
Cholid Laki-Laki IPS 80 83 31.55 Baik Lulus Neng Rosita Perempuan IPA 65 75 20.00 Kurang
Neng Sipa Auliasari Perempuan IPA 80 83 31.33 Kurang
Baik Lulus Ratih Perempuan IPA 85 82 30.35 Baik Lulus Sahrul Andreas Laki-Laki IPA 93 85 31.43 Baik Lulus Samsul Muarip Laki-Laki IPA 68 66 20.00 Baik Tidak Lulus Siti Bayinah Perempuan IPA 89 80 31.44 Baik Lulus Siti Ferlia Perempuan IPA 88 81 31.24 Baik Lulus Siti Nurazizah Perempuan IPA 93 78 30.22 Kurang
Baik Lulus Ujang Ahmad
Rojudin Laki-Laki IPA 91 83 30.17 Baik Lulus Vera Ayi Ginanjah Perempuan IPA 87 78 32.19 Baik Lulus Yanti Susilawati Perempuan IPS 65 70 20.12 Baik Tidak Lulus Ika Rahimanah Perempuan IPS 82 99 30.00 Baik Lulus Muhamad Raka Laki-Laki IPS 65 65 20.17 Kurang
Baik Lulus Muhamad Raya Laki-Laki IPS 83 83 30.20 Baik Lulus
Sumber: (SMAN 1 Cikakak, 2010)
3.4. Metode Analisis Data
Penelitian ini pada awalnya yaitu melalui wawancara bersama salah satu staff
guru yang bernama Ibu Neng Wida Novira sebagai salah satu pengajar di sekolah
yang dilakukan pengumpulan data hingga penyusunan laporan, setelah data diolah
lalu dilakukan analisis sesuai dengan prosedur dan teknik pengolahan data seperti
dibawah ini:
1. Dilakukan pemilihan dan penyusunan klasifikasi data.
2. Pemberian kode data untuk membangun kerja analisis data.
3. Dilakukan analisis data sesuai data yang telat diklasifikasikan.
Setelah tahapan analisis data tersebut maka dilakukan pengunaan metode
Naïve Bayes mulai dari data training, testing untuk mencari probabilitas dari
menghitung nilai akurasi dari data tersebut. Berikut gambar III.2 sebagai data testing
dan tabel III.2 sebagai atribut data testing.
Tabel III.2
Data Testing
Nama Jenis
Kelamin Jurusan
Nilai
Praktik Nilai US Nilai UN
Perilaku Siswa
Status Kelulusan Ahmad Taji Saputra Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Aldo Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Dani Perempuan IPA Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Fatmawati Perempuan IPA Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Gilang Maulana
Yusup Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Hadam Laki-Laki IPA Kurang Kurang Rendah Baik Tidak Lulus Ibnu Fajarulloh Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Muhamad
Alamsyah Laki-Laki IPA Kurang Kurang Rendah
Kurang Baik
Tidak Lulus Muhamad Amir
Hamzah Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Muhamad Bayu
Rojudin Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus Muhamad Nuh Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus Muhamad Yusup
Maulana Laki-Laki IPS Kurang Kurang Tinggi
Kurang
Baik Lulus Naila Perempuan IPA Tercapai Kurang Tinggi Baik Lulus Neng Selsa Artika
Safitri Perempuan IPA Tercapai Tercapai Tinggi
Kurang
Baik Lulus Neng Setiawati Perempuan IPA Tercapai Tercapai Tinggi Baik Lulus Nugraha Laki-Laki IPA Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Nurul Padilah Perempuan IPA Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Prabusiliwangi Laki-Laki IPS Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Purwanda Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus Rendi Mulana Laki-Laki IPS Tercapai Tercapai Tinggi Kurang
Baik Lulus Riki Riansah Laki-Laki IPS Kurang Kurang Rendah Baik Tidak Lulus Ripal Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus Ripaldi Laki-Laki IPS Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Samsudin Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus Sandi Laki-Laki IPS Tercapai Kurang Tinggi Baik Lulus Sandi Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus Sasta Agustin Perempuan IPS Tercapai Tercapai Tinggi Baik Lulus Sinta Nuraeni Perempuan IPA Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Siti Alia Perempuan IPA Tercapai Tercapai Tinggi Baik Lulus Siti Eliasih Perempuan IPA Tercapai Tercapai Tinggi Baik Lulus Siti Hanibah Perempuan IPS Tercapai Tercapai Tinggi Baik Lulus Sulastri Aruni Perempuan IPS Kurang Kurang Rendah Baik Tidak Lulus
Tasya Aulia Putri Perempuan IPS Tercapai Tercapai Tinggi Kurang
Baik Lulus Teteng Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus Yuliana Perempuan IPS Tercapai Tercapai Tinggi Baik Lulus Yuni Ariani Perempuan IPS Tercapai Kurang Tinggi Kurang
Baik Lulus Agung Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Ahmad Gunadi Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Ahmad Resal Laki-Laki IPA Tercapai Kurang Tinggi Baik Lulus Ahmad Ripai Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Ajeng Siti Khodijah Perempuan IPA Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Derince Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Diana Lestari Perempuan IPA Tercapai Kurang Tinggi Baik Lulus Fahrudin Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Lisnawati Perempuan IPS Tercapai Tercapai Tinggi Baik Lulus Luz Haiqa Elaine
Cholid Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus Neng Rosita Perempuan IPA Kurang Kurang Rendah Kurang
Baik
Tidak Lulus Neng Sipa Auliasari Perempuan IPA Tercapai Tercapai Tinggi Kurang
Baik Lulus Ratih Perempuan IPA Tercapai Tercapai Tinggi Baik Lulus Sahrul Andreas Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Samsul Muarip Laki-Laki IPA Kurang Kurang Rendah Baik Tidak Lulus Siti Bayinah Perempuan IPA Tercapai Tercapai Tinggi Baik Lulus Siti Ferlia Perempuan IPA Tercapai Tercapai Tinggi Baik Lulus Siti Nurazizah Perempuan IPA Tercapai Kurang Tinggi Kurang
Baik Lulus Ujang Ahmad
Rojudin Laki-Laki IPA Tercapai Tercapai Tinggi Baik Lulus Vera Ayi Ginanjah Perempuan IPA Tercapai Kurang Tinggi Baik Lulus Yanti Susilawati Perempuan IPS Kurang Kurang Rendah Baik Tidak Lulus Ika Rahimanah Perempuan IPS Tercapai Tercapai Tinggi Baik Lulus Muhamad Raka Laki-Laki IPS Kurang Kurang Rendah Kurang
Baik Lulus Muhamad Raya Laki-Laki IPS Tercapai Tercapai Tinggi Baik Lulus
