IMPLEMENTASI DATA MINING MENENTUKAN BIDANG PEMINATAN MAHASISWA MENGGUNAKAN METODE REGRESI (STUDI KASUS: PROGRAM STUDI SISTEM INFORMASI UNIVERSITAS TELKOM)

BAGAS ADI NUGROHO

Informasi Umum

Kode

20.04.3868

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Dilihat

47 kali

Informasi Lainnya

Abstraksi

Setiap mahasiswa Program Studi Sistem Informasi di Universitas Telkom wajib merencanakan peminatan pilihan yang akan diambil mulai semester lima. Sebanyak 347 mahasiswa Sistem Informasi akan memilih peminatan. Penentuan peminatan ini bertujuan untuk memfokuskan mahasiswa Sistem Informasi pada bidang tertentu, sehingga setiap mahasiswa dapat belajar lebih dalam di satu bidang keilmuan. Selain itu mahasiswa diharapkan menjadi profesional di bidangnya. Program Studi Sistem Informasi di Universitas Telkom menyediakan tujuh peminatan untuk memfokuskan di bidang keilmuannya. Setiap mahasiswa wajib memiliki satu bidang peminatan. Pada saat pemilihan peminatan, masih banyak mahasiwa yang mengalami kesulitan untuk memilih peminatan yang sesuai dengan kelompok keahlian. Akhirnya mereka memilih bidang peminatan yang mereka dianggap mudah dan mengikuti pilihan teman, tanpa melihat potensi atau kemampuan yang dimiliki. Penyebab mahasiswa kesulitan dalam peminatan adalah karena kurangnya menggali informasi mengenai kompetensi apa saja yang dibutuhkan untuk mengambil peminatan. Akibat dari mahasiswa yang memilih peminatan yang dianggap mudah dan mengikuti teman adalah pembagian jumlah perkelas tidak merata dengan jumlah dosen yang ada. Biasanya pada kelompok keahlian ESA jumlahnya lebih banyak daripada kelompok keahlian ESD. Dikarenakan mahasiswa memlih peminatan yang dianggap mudah, dan menghindari mata kuliah yang mempelajari lebih dalam bahasa pemrograman. Berdasarkan permasalahan tersebut maka diperlukan analisis dalam melakukan seleksi pemilihan peminatan di Program Studi Sistem Informasi menggunakan metode regresi. Dalam metode regresi terdapat tiga algoritma yang akan diterapkan dalam penelitian ini yaitu, algoritma Regresi Linear yaitu untuk menentukan estimasi atau prediksi pada varibael tak bebas. Algoritma Support Vector Regression adalah untuk algoritma yang mempunyai dimensi yang tinggi yang cocok untuk implementasi pembelajaran statistik. Algoritma Regresi Polinomial adalah algoritma yang memiliki hubungan dua variabel lebih dan cocok untuk membuat prediksi. Metode ini dipilih karena memiliki kelebihan yaitu merupakan teknik pemodelan statistik untuk mengetahui hubungan dua atau lebih variabel atau untuk memprediksi nilai dari satu variabel respon atau dependent dengan menggunakan nilai dari variabel-variabel predictor / independent.

Parameter untuk mengetahui akurasi adalah menggunakan Root Means Squared Eror (RMSE), Mean Absolute Error (MAD), dan Mean Squared Error (MSE). Hasil penelitian menunjukan model prediksi yang terbaik adalah menggunakan algoritma Support Vector Regression (SVR) dengan nilai RMSE sebesar 0,789, MAD sebesar 0,216, dan MSE sebesar 0,772. Hasil akurasi yang terbaik akan di implementasikan ke dalam website untuk melakukan prediksi.

Dalam proses implementasi hasil analisis, maka perlu di rancang sebuah website yang berisi prediksi mahasiswa yang diterima pada peminatan. Perancangan website menggunakan framework laravel dan bahasa pemrograman PHP. Laravel di pilih karena open source dan mudah dalam di implementasikan. Selain itu, dalam proses mencari performa dari metode regresi yaitu menggunakan Rapid Miner. Pentaho Data Integration di gunakan untuk proses ETL (Extraction, Transformation, Loading dan hasilnya berupa data akan diterapkan pada website.

Penelitian ini di harapkan dapat melakukan seleksi peminatan dalam membantu mahasiswa menentukan peminatan yang tepat sesuai dengan kompetensi mereka. Lalu dapat membantu kepala program studi dan dosen keprofesian dalam mengambil keputusan dalam bidang penentuan peminatan yang cepat dan tepat pada Program Studi Sistem Informasi di Universitas Telkom.

Kata Kunci: Seleksi Peminatan, Regresi, Sistem Informasi, Universitas Telkom, Website.