“ SISTEM MONTORING DAN PREDIKSI PRESTASI AKADEMIK
MAHASISWA MENGGUNAKAN ALGORITMA
DECISION TREE C4.5 ”
1Lingga Hidayat
, 2Dodi Siregar, 3Ilham Faisal
1,2,3Program Studi Teknik InformatikaSekolah Tinggi Teknik Harapan Medan
Jl. HM Jhoni No 70 Medan, Indonesia
Abstrak
Kebanyakan perguruan tinggi telah menerapkan sistem komputerisasi dalam mencatat dan mengelola data nilai akademik mahasiswa. Namun, sistem ini tidak dapat memprediksi prestasi akademik mahasiswa untuk
periode berikutnya. Penelitian ini bertujuan untuk mengembangkan sistem monitoring dan prediksi prestasi
akademik mahasiswa. Tools yang digunakan untuk melakukan analisis dan desain adalah use case diagram.
Sedangkan, bahasa pemrograman yang digunakan untuk merancang sistem adalah Mircosoft Visual Basic.NET
dengan menggunakan aplikasi SQL Server sebagai database engine dan aplikasi Crystal Report 10 sebagai
desain laporannya.Hasil dari penelitian ini adalah sistem informasi prediksi dan monitoring prestasi akademik mahasiswa yang dapat digunakan untuk menyelesaikan permasalahan yang dihadapi oleh perguruan tinggi.
Kata Kunci : Metode Klasifikasi C4.5, Use Case Diagram, Sistem Monitoring, Prestasi Akademik Mahasiswa
Abstract
Most colleges have implemented a computerized system for recording and managing data students' academic value. However, this system can not predict the academic achievement of students for the next period. This research aims to develop a system of monitoring and prediction of students' academic achievement. Tools used to perform analysis and design is the use case diagram. Meanwhile, the programming language used to design the system is Mircosoft Visual Basic.NET application using SQL Server as the database engine and the application Crystal Report 10 as laporannya.Hasil design of this study is the prediction information systems and monitoring student academic achievement that can be used to resolve problems faced by universities.
Keywords: Classification Methods C4.5, Use Case Diagram, System Monitoring, Student Academic Achievement
1. Pendahuluan
Saat ini, kebanyakan perguruan tinggi telah menerapkan sistem komputerisasi dalam mencatat dan mengelola data nilai akademik mahasiswa. Daftar nilai akademik ini akan digunakan oleh pihak perguruan tinggi dalam memberikan tunjangan pendidikan. Sistem terkomputerisasi ini memiliki kelemahan yaitu sistem ini tidak dapat memprediksi
prestasi akademik mahasiswa untuk periode
berikutnya. Hal ini diperlukan untuk mengetahui kemampuan mahasiswa dalam mempelajari dan
mengikuti perkuliahan. Informasi ini dapat
digunakan oleh pihak perguruan tinggi untuk memperbaiki sistem perkuliahan yang sedang berjalan sekarang ini. Selain itu, belum tersedianya informasi mengenai prediksi prestasi akademik mahasiswa menyebabkan pihak jurusan tidak dapat melakukan monitoring terhadap prestasi akademik mahasiswa. Informasi ini dapat digunakan untuk memberikan perhatian khusus bagi mahasiswa yang kurang mampu mengikuti perkuliahan.
Salah satu metode yang dapat digunakan untuk menyelesaikan pe rmasalahan di atas adalah
algoritma decision tree C4.5. Algoritma decision
tree C4.5 merupakan salah satu jenis algoritma
pengelompokan data berdasarkan kriteria tertentu.
Dengan menggunakan algoritma decision tree C4.5
ini, mahasiswa akan dikelompokkan menjadi 4 kelompok (Prestasi Bagus, Prestasi Baik, Prestasi Cukup, Prestasi Kurang).
Penelitian mengenai “Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa”. Penelitian ini menghasilkan informasi bahwa nilai semester enam memiliki pengaruh terbesar terhadap tingkat
kelulusan mahasiswa. Akurasi prediksi dari
penelitian ini adalah sebesar 87,5 % [1]. Berdasarkan permasalahan di atas, penulis
tertarik untuk menerapkan algoritma decision tree
C4.5 dalam melakukan penyeleksian prediksi mahasiswa.
Adapun penelitian ini bertujuan untuk
merancang sebuah aplikasi yang mampu melakukan monitoring dan prediksi terhadap tingkat prestasi akademik dari mahasiswa dengan menggunakan
algoritma decision tree C4.5.
Manfaat dari penelitian ini untuk memberikan informasi pendukung kepada pihak perguruan tinggi dalam proses monitoring dan dapat dijadikan sebagai bahan pertimbangan dalam pengembangan tingkat prestasi mahasiswa pada perguruan tinggi.
2. Metodologi Penelitian
Metodologi yang digunakan dalam
penelitian ini adalah model Waterfall yang memiliki
langkah-langkah yang dapat dirincikan sebagai berikut:
1. Mengumpulkan dan mempelajari materi yang
berhubungan dengan prosedur pencatatan dan penilaian tingkat prestasi mahasiswa serta cara
kerja dari algoritma decision tree C4.5 dari
buku, internet, artikel dan sumber-sumber
lainnya .
2. Mempelajari cara penerapan algoritma decision
tree C4.5 dalam melakukan monitoring dan
prediksi prestasi akademik mahasiswa dengan
menggunakan alat bantu berupa activity
diagram.
3. Mengembangkan perangkat lunak (sistem) yang
terdiri dari langkah-langkah :
a) Memodelkan fungsi yang terdapat pada
sistem dengan menggunakan use case
diagram.
b) Merancang tampilan interface dari
perangkat lunak.
c) Merancang database yang akan digunakan
dalam perangkat lunak.
d) Membuat aplikasi dengan menggunakan
bahasa pemrograman Microsoft Visual Basic.NET.
4. Mengevaluasi dengan melakukan pengisian data
mahasiswa periode sebelumnya dari suatu perguruan tinggi ke dalam aplikasi dan membandingkan laporan hasil yang telah diproses oleh sistem dengan laporan yang dihasilkan sebelum menggunakan sistem.
5. Melakukan pengujian terhadap sistem pada
perguruan tinggi dengan memasukkan data calon mahasiswa yang telah tersedia kemudian menarik kesimpulan dari hasil pengujian.
2.1 Sistem
Suatu sistem pada dasarnya adalah
sekolompok unsur yang erat hubungannya satu dengan yang lain, yang berfungsi bersamasama untuk mencapai tujuan tertentu. Secara sederhana, suatu sistem dapat diartikan sebagai suatu kumpulan atau himpunan dari unsur, komponen, atau variabel
yang terorganisir, saling berinteraksi, saling
tergantung satu sama lain, dan terpadu. Dari defenisi ini dapat dirinci lebih lanjut pengertian sistem secara umum.
2.2 Monitoring
Monitoring didefinisikan sebagai siklus
kegiatan yang mencakup pengumpulan, peninjauan ulang, pelaporan, dan tindakan atas informasi suatu proses yang sedang diimplementasikan. Umumnya, monitoring digunakan dalam checking antara kinerja dan target yang telah ditentukan. Monitoring ditinjau dari hubungan terhadap manajemen kinerja adalah proses terintegrasi untuk memastikan bahwa proses
berjalan sesuai rencana (on the track). Monitoring
dapat memberikan informasi keberlangsungan
proses untuk menetapkan langkah menuju ke arah
perbaikan yang berkesinambungan. Pada
pelaksanaannya, monitoring dilakukan ketika suatu proses sedang berlangsung. Level kajian sistem monitoring mengacu pada kegiatan per kegiatan dalam suatu bagian, misalnya kegiatan pemesanan barang pada supplier oleh bagian purchasing. Indikator yang menjadi acuan monitoring adalah output per proses / per kegiatan. Umumnya, pelaku
monitoring merupakan pihak-pihak yang
berkepentingan dalam proses, baik pelaku proses (self monitoring) maupun atasan / supervisor pekerja. Berbagai macam alat bantu yang digunakan
dalam pelaksanaan sistem monitoring, baik
observasi / interview secara langsung, dokumentasi maupun aplikasi visual [2].
2.3Sistem Monitoring
Sistem monitoring merupakan sistem yang didesain untuk bisa memberikan feedback ketika program sedang menjalankan fungsinya. Feedback
dimaksudkan untuk memberikan informasi /
keadaaan sistem pada saat itu. Sistem monitoring merupakan kumpulan prosedur dan program untuk mengkomputasi sistem informasi yang didesain
untuk mencatat dan mentransmisikan data
berdasarkan informasi yang diperloleh. Sistem monitoring adalah kumpulan fitur informatif yang memberikan informasi mengenai apa saja yang terjadi dengan sistem yang di-monitor.
Sistem monitoring akan memberikan dampak yang baik bila dirancang dan dilakukan secara efektif.
2.4 Prediksi
Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi [3].
Berdasarkan teknik yang digunakan untuk
memprediksi maka prediksi dapat dibagi menjadi dua bagian yaitu prediksi kualitatif dan prediksi kuantitatif. Prediksi kualitatif didasarkan atas data kualitatif pada masa lalu. Metoda kualitatif digunakan jika data masa lalu dari variabel yang akan diprediksi tidak ada, tidak cukup atau kurang dipercaya. Hasil prediksi yang dibuat sangat tergantung pada individu yang menyusunnya. Hal ini penting karena hasil prediksi tersebut ditentukan berdasarkan pemikiran yang bersifat judgement atau
opini, pengetahuan dan pengalaman dari
penyusunnya. Oleh karena itu metode kualitatif ini disebut juga judgemental, sudjective, intuitive.
Prediksi kuantitatif didasarkan atas data kuantitatif pada masa lalu. Hasil prediksi yang dibuat sangat tergantung pada metode yang dipergunakan dalam prediksi tersebut. Dengan metoda yang berbeda akan diperoleh hasil prediksi yang berbeda. Hal yang perlu diperhatikan dari penggunaan metoda tersebut adalah baik tidaknya metoda yang digunakan dan sangat ditentukan dari penyimpangan antara hasil prediksi dengan kenyataan yang terjadi. Metoda yang baik adalah metoda yang memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin.
2.5 Data Mining
Data Mining (Penambangan data) merupakan bidang ilmu multidisplin, menggambarkan area-area kerja yang termasuk didalamnya adalah teknologi basis data, pembelajaran mesin, statistik, pengenalan pola, pengambilan informasi, jaringan saraf tiruan, sistem berbasis pengetahuan, kecerdasan buatan, komputasi kinerja-tinggi, dan visualisasi data.
Data Mining diartikan sebagai menambang data atau upaya untuk menggali informasi yang berharga dan berguna pada database yang sangat besar. Hal terpenting dalam teknik data mining adalah aturan untuk menemukan pola frekuensi tinggi antar himpunan itemset yang disebut fungsi Association Rules (Aturan Asosiasi).
Data Mining disebut juga Knowledge Discovery in Database (KDD) didefenisikan sebagai ekstraksi informasi potensial implisit dan tidak dikenal dari sekumpulan data. Proses Knowledge Discovery in Database melibatkan hasil proses data mining proses pengekstrak kecenderungan suatu pola data), kemudian mengubah hasilnya secara akurat menjadi informasi yang mudah dipahami. Ada beberapa macam pendekatan yang berbeda yang diklasifikasikan sebagai teknik pencarian informasi/pengetahuan dalam KDD. Ada pendekatan kuantitatif, seperti pendekatan probabilistik seperti logika induktif, encarian pola, dan analisis pohon keputusan. Pendekatan yang lain meliputi deviasi, analisis kecenderungan, algoritma genetik, jaringan saraf tiruan, dan pendekatan campuran dua atau lebih dari beberapa pendekatan yang ada [4].
2.6 Algoritma Klasifikasi C4.5
Algoritma Klasifikasi C4.5 atau disebut juga sebagai algoritma decision tree merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Algoritma ini termasuk metode data mining, yang merupakan proses menemukan pola dengan memilah-milah sejumlah data yang besar menggunakan teknologi pengenalan pola.
3. Perancangan Sistem
Sebelum melakukan perancangan sebuah sistem untuk menyelesaikan suatu permasalahan, terlebih dahulu harus dilakukan analisis terhadap sistem tersebut, untuk mendeskripsikan alur kerja
dari proses yang terdapat dalam sistem, merumuskan prasyarat desain sistem dan pemodelan sistem.
3.1 Analisis Proses
Secara garis besar, prosedur kerja dari sistem yang akan dibuat dapat digambarkan seperti terlihat pada gambar berikut:
Mulai Input data mahasiswa Input data penilaian mahasiswa Proses Algoritma Klasifikasi C4.5
Nilai entropy dan gain Input data program studi Selesai Input mahasiswa Pembuatan pohon
Proses Penelusuran Pohon
Hasil prediksi
1
1
Gambar 1 Kerangka Penelitian
Berdasarkan gambar 3.1, terlihat bahwa proses monitoring nilai mahasiswa dimulai dengan algoritma klasifikasi C4.5 terlebih dahulu dengan memasukkan training dari data mahasiswa periode sebelumnya. Terakhir, akan ditentukan hasil penelusuran pohon yang menghasilkan prediksi tingkat kelulusan mahasiswa.
3.2 Pemodelan Sistem
Sistem Monitoring dan Prediksi Prestasi Akademik Mahasiswa Menggunakan Algoritma Decision Tree C4.5 ini dapat dimodelkan dengan menggunakan use case diagram seperti terlihat pada
gambar berikut:
Memasukkan data mahasiswa Staf Administrasi Memasukkan data penilaian mahasiswa
Sistem Monitoring dan Prediksi Prestasi Akademik Mahasiswa Menggunakan Algoritma Decision Tree C4.5
Menampilkan hasil penilaian dengan menggunakan algoritma
klasifikasi C4.5
Manajer Menghitung nilai kriteria
dan sub kriteria Menghitung nilai scoring untuk setiap mahasiswa
<< include >> << include >>
Menampilkan laporan hasil penilaian Menampilkan laporan detail perhitungan << include >> Memasukkan data program studi
Melakukan proses login
Gambar 2 Use Case Diagram dari Sistem Monitoring dan Prediksi Prestasi Akademik Mahasiswa
3.3 Perancangan Tampilan Antar Muka
Sistem Monitoring dan Prediksi Prestasi
Akademik Mahasiswa Menggunakan Algoritma Decision Tree C4.5 ini memiliki beberapa tampilan yang digunakan sebagai tempat pengisian data yang diperlukan oleh sistem. Berikut perinciannya.
3.4 Perancangan Laporan
Laporan yang dihasilkan sebagai output dari sistem yang dibuat dapat dirincikan sebagai berikut:
1. Laporan Jurusan
Gambar 3 Rancangan Form Filter Laporan Jurusan
4. Implementasi Sistem
Berikut dirincikan tampilan input dari perangkat lunak: Form yang pertama kali muncul pada saat menjalankan perangkat lunak adalah form Login yang dapat dilihat pada gambar dibawah :
Gambar 4 Tampilan Form Login
Apabila proses login berhasil, maka sistem akan
menampilkan form Menu Utama seperti terlihat pada
gambar berikut:
Gambar 5 Tampilan Form Menu Utama
Pada form ini, terdapat beberapa menu yang dapat diakses, seperti:
1. Form Mahasiswa
Form ini dapat diakses dengan mengklik menu ‘Data Utama’ >> ‘Mahasiswa’ sehingga sistem akan menampilkan form berikut:
Gambar 6 Tampilan Form Mahasiswa
Pada form Mahasiswa ini, dapat
dimasukkan rincian data pribadi dari mahasiswa, seperti nama siswa, jenis kelamin, tempat dan tanggal lahir, alamat, kode pos, email, telepon, no HP, golongan darah, agama, nama ayah dan ibu, asal sekolah dan kewarganegaraan. Selain itu, juga dimasukkan data tambahan lainnya, seperti hasil rekomendasi untuk masuk ke perguruan tinggi yang bersangkutan.
2. Form Program Studi
Form ini dapat diakses dengan mengklik menu ‘Data Utama’ >> ‘Program Studi’ sehingga sistem akan menampilkan form berikut:
Gambar 7 Tampilan Form Program Studi
Pada form Program Studi ini akan dimasukkan semua data program studi yang terdapat pada perguruan tinggi yang bersangkutan.
3. Form User
Form ini dapat diakses dengan mengklik menu ‘Data Utama’ >> ‘User’ sehingga sistem akan menampilkan form berikut:
Gambar 8 Tampilan FormUser
Pada form User akan dimasukkan semua data user yang dapat menggunakan sistem. Data user yang dimasukkan ini akan diperlukan pada saat akan melakukan login ke dalam sistem.
4. Form Nilai
Form ini dapat diakses dengan mengklik menu ‘Transaksi’ >> ‘Data Nilai’ sehingga sistem akan menampilkan form berikut:
Pada form Nilai Ujian dapat dimasukkan data nilai yang diperoleh mahasiswa pada periode sebelumnya. Nilai ujian yang dimasukkan ini akan dijadikan sebagai data training untuk melakukan proses monitoring dan prediksi prestasi akademik untuk periode selanjutnya.
5. Form Prediksi
Form ini dapat diakses dengan mengklik menu
‘Transaksi’ >> ‘Proses Prediksi’ sehingga sistem
akan menampilkan form berikut:
Gambar 10 Tampilan Form Proses Prediksi
6. Form Proses Monitoring
Form ini dapat diakses dengan mengklik menu
‘Transaksi’ >> ‘Proses Monitoring’ sehingga sistem
akan menampilkan form berikut:
Gambar 11 Tampilan Form Proses Monitoring
Pada form Proses Monitoring ini akan
ditampilkan hasil prediksi prestasi dari mahasiswa yang bersangkutan.
4.1 Prosedur Kerja Sistem
Agar dapat lebih memahami mengenai proses kerja dari algoritma klasifikasi C4.5, maka diberikan sebuah contoh sederhana berikut ini:
Gambar 12 Contoh Rincian Data
Kemudian kita tentukan kategori dari nilai bobot yang ditentukan.
Gambar 13 Contoh Hasil Penentuan Penentuan Kelompok Mahasiswa
Dari kasus diatas akan dibuat sebuah pohon keputusan untuk menentukan proses monitoring. Berikut rincian langakah penyelasaian dalam pembentukan pohon keputusan.
Langkah 1 :Menghitung nilai entropy dan nilai gain
Lakukan perhitungan untuk jumlah kasus keseluruhan yang ada, jumlah kasus untuk hasil Tinggi, Sedang dan Rendah. Kemudian lakukan perhitungan untuk mencari nilai Entropy dari setiap nilai atribut dan nilai Gain untuk setiap atribut.
Jumlah kasus : 17
Jumlah kasus dengan hasil Tinggi : 5 Jumlah kasus dengan hasil Sedang : 6 Jumlah kasus dengan hasil Rendah: 6
Hitung nilai entropy dari total kasus :
Setelah dicari nilai entropy pada setiap nilai dariatribut yang ada, kemudian lakukan perhitungan untuk mencari nilai gain dari setiap atribut.
Nilai gain dari masing-masing atribut :
Gambar 14 Hasil perhitungan untuk nilai entropy dan gain ditunjukkan
Langkah 2 : Menentukan node akar
a) Dari hasil perhitungan pada tabel diatas,
diketahui bahwa nilai Gain terbesar yaitu pada
atribut Jurusan yaitu sebesar 1.439. Sehingga
atribut Jurusan menjadi node akar.
b) Pada atribut Jurusan terdapat 14 nilai atribut,
yaitu Teknik Informatika, Sistem Informasi, Teknik Sipil, Teknik Industri, Teknik Mesin dan Teknik Elektro. Hampir semua nilai atribut sudah mengklasifikasikan kasus menjadi 1 sehingga tidak perlu dilakukan perhitungan lebih lanjut.
Dari proses tersebut maka dapat dihasilkan pohon sementara seperti berikut ini.
Merk SEDANG TINGGI Teknik Informatika Sistem Informasi RENDAH
RENDAH RENDAH SEDANG
Teknik Sipil Teknik Industri Teknik Mesin Teknik Elektro
Gambar 15 Pohon Sementara Proses Klasifikasi C4.5
4.2 Spesifikasi Kebutuhan Sistem
Program ini dijalankan dengan
menggunakan perangkat keras (hardware) yang
direkomendasikan sebagai berikut :
1. Prosesor Intel Atom CPU N2600 1.6 GHz.
2. Memory 2 GB.
3. Harddisk 500 GB.
4. VGA card 1 GB.
5. Monitor dengan resolusi 1024 X 768 pixel.
6. Keyboard dan mouse.
Adapun perangkat lunak (software) yang
direkomendasikan untuk menjalankan aplikasi ini
adalah lingkungan sistem operasi Windows
XP/7/8/10.
Untuk merancang perangkat lunak,
diperlukan beberapa software pendukung seperti:
1. Bahasa pemrograman Microsoft Visual
Basic.NET.
2. Aplikasi Adobe Photoshop CS6 untuk
mendesain gambar background
perangkat lunak.
3. Aplikasi Mysql untuk menyimpan data
yang dimasukkan ke dalam sistem.
5. Penutup
5.1 Kesimpulan
Berdasarkan hasil penelitian,dapatditarikbeberapa kesimpulan:
1. Sistem informasi yang telah dihasilkan dapat
melakukan proses monitoring prestasi untuk setiap mahasiswa secara cepat dan tepat.
2. Proses pengecekan nilai maupun pencarian data
bisa dilakukan dengan cepat dan tepat.
3. Keunggulan sistem mencakup:
a. Sistem mampu menghasilkan informasi
hasil prediksi untuk setiap mahasiswa.
b. Menerapkan metode klasifikasi C4.5 untuk
melakukan prediksi prestasi akademik mahasiswa sudah tepat.
5.2 Saran
Adapun beberapa saran yang ingin penulis sampaikan adalah:
1. Sistem dapat dikembangkan lebih lanjut dengan
menambahkan data training (data periode
sebelumnya) sehingga akurasi dari hasil yang diperoleh sistem dapat lebih akurat.
2. Sistem dapat dikembangankan dengan
pemrograman berbasis web, karena bersifat
online.
Daftar Pustaka
[1] David Hartanto Kamigi dan Seng Hansun, 2014,
Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa
[2] Muhammad Revo Dwi Putro, Teguh Susanto dan
Erwin Sutomo, 2014, Sistem Informasi
Monitoring Antrian pada Koperasi Setia Bhakti Wanita Berbasis Web, JSIKA Vol 3, No 1 (2014)/ ISSN 2338-137X.
[3] Baafai, 2013. Prediksi Kerusakan Motor
Induksi.Skripsi.
[4] Dwi Ayu Nursela, 2014, Penerapan Algoritma
C4.5 Untuk Klasifikasi Tingkat Keganasan Kanker Payudara, Universitas Dian Nuswantoro Semarang.
[5] Kennedi Tampubolon, Hoga Saragih, Bobby
Reza, 2013, Implementasi Data Mining
Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan, Majalah Ilmiah, Informasi dan Teknologi Ilmiah
