data mining untuk menentukan korelasi …

Jurnal Sistem Informasi Kaputama (JSIK), Vol 1 No 2, Juli 2017 ISSN

2548-9712

1

DATA MINING UNTUK MENENTUKAN KORELASI (CONFIDENCE

DAN SUPPORT) JURUSAN SISWA PADA TINGKAT SEKOLAH

MENENGAH TERHADAP INDEKS PRESTASI KUMULATIF (IPK) DI

PERGURUAN TINGGI SEBAGAI SOLUSI TEPAT PEMILIHAN

PROGRAM STUDI DI PERGURUAN TINGGI

Relita Buaton1,Anton Sihombing

2, Fuji Dodo Aritonang

3, Clara Rosa Wijaya

4

Prodi Sistem Informasi, STMIK KAPUTAMA,

Jl. Veteran No. 4A-9A, Binjai, Sumatera Utara, 20714,Indonesia

Email:[email protected]

ABSTRAK

Beberapa faktor yang mempengaruhi mahasiswa memperoleh nilai IPK tinggi, diantaranya

mahasiswa harus belajar secara maksimal di bangku kuliah dan sesuai dengan program studi yang

dipilih. Salah satu faktor agar mahasiswa dapat belajar secara maksimal adalah bahwa jurusan/program

studi yang dipilih di perguruan tinggi harus diminati dan sesuai dengan bidang keahlian serta memiliki

korelasi dengan latar belakang pendidikan mahasiswa. Menurut Educational Psychologist dari Integrity

Development Flexibility (IDF),sebanyak 87 persen mahasiswa di Indonesia salah jurusan yang dapat

memicu pada pengangguran, tidak mampu mengikuti perkuliahan dan dampak paling buruk adalah

DO(drop out). Untuk membantu mahasiswa dalam memilih jurusan, perlu dirancang sebuah sistem

secara online, sehingga semua orang dapat mengakses sebagai pendukung dalam memilih

jurusan.Variable yang digunakan adalah jurusan di sekolah menengah, Program studi di Perguruan

Tinggi dan IPK. Sebagai tahap awal untuk basis pengetahuan data diinput dari 24 perguruan tinggi

swasta dan negeri yang tersebar di provinsi yakni Sumatera Utara, terdiri dari 27 Jurusan

SMA/sederajat dan 65 program studi di Perguruan tinggi.Hasil yang diperoleh adalah dihasilkannya

sebuah pengetahuan baru untuk membantu memilih program studi di perguruan tinggi berdasarkan

support dan confidence sesuai jurusan, mahasiswa dapat mengetahui korelasi jurusan di SMA terhadap

jurusan di perguruan tinggi.

Kata Kunci : Korelasi Jurusan Dengan IPK, Pemilihan Jurusan, A priori, Confidence, Support

1. PENDAHULUAN

Setiap mahasiswa, orang tua mahasiswa

dan dosen sangat menginginkan agar

mahasiswa berhasil di bangku kuliah dengan

prestasi yang baik. Salah satu parameter untuk

mengukur keberhasilan studi atau kualitas

lulusan di perguruan tinggi adalah dengan

perolehan IPK(indeks prestasi kumulatif) yang

sangat memuaskan yakni IPK>=3,0. Nilai IPK

yang tinggi merupakan salah satu faktor

penentu dan pendukung apakah lulusan

perguruan tinggi diterima bekerja atau tidak

ketika lulusan melamar pekerjaan di sebuah

instansi negeri maupun swasta.

Beberapa kendala dan permasalahan

yang dihadapi oleh mahasiswa untuk

mendapatkan hasil memuaskan di bangku

kuliah, diantaranya tidak mampu mengikuti

perkuliahan, tidak optimis mengikuti

perkuliahan, tidak tertarik dengan matakuliah

program studi setelah memilih program studi,

salah memilih jurusan. Empat faktor di atas

menjadi pemicu mahasiswa tidak

mendapatkan hasil maksimal (IPK tinggi) dan

bahkan dapat mengakibatkan mahasiswa di

DO(Drop out) dari perguruan tinggi. Hal ini

dapat terjadi karena adanya keragu-raguan dan


2548-9712

2

kesalahan mahasiswa dalam memilih jurusan

atau program studi saat memasuki perguruan

tinggi

Menurut Educational Psychologist

dari Integrity Development Flexibility (IDF)

Irene Guntur, M.Psi., Psi., CGA, sebanyak 87

persen mahasiswa di Indonesia salah jurusan.

Salah jurusan bisa memicu pada

pengangguran. Supaya tidak ada

pengangguran lagi maka jangan sampai salah

memilih jurusan(sumber:

http://news.okezone.com/read/2014/02/24/373

/945961/duh-87-mahasiswa-indonesia-salah-

jurusan).

Kesalahan dalam memilih jurusan di

perguruan tinggi dapat berakibat fatal terhadap

kualitas lulusan, untuk itu perlu dibangun

sebuah sistem online sebagai pendukung

keputusan untuk calon mahasiswa dalam

memilih jurusan/program studi di perguruan

tinggi. Untuk mempermudah pengambilan

keputusan, informasi disajikan dalam beberapa

piilihan yakni korelasi jurusan di

SMA/sederajat terhadap jurusan di perguruan

tinggi untuk tingkat perguruan tinggi, provinsi

dan skala nasional.

Berdasarkan latar belakang di atas, maka

yang menjadi rumusan permasalahan adalah:

1. Bagaimana mengumpulkan data sebagai

basis pengetahuan untuk menentukan

korelasi jurusan terhadap indeks prestasi

kumulatif di perguruan tinggi?

2. Bagaimana mengolah basis pengetahuan

sehingga menghasilkan support dan

confidence penentuan jurusan atau

program studi di perguruan tinggi?

3. Bagaimana membangun sistem berbasis

web base dengan konsep data mining

sehingga user dari perguruan tinggi dapat

menambah basis pengetahuan dan

masyarakat dapat menggunakan secara

online?

Manfaat yang diperoleh dari hasil penelitian

ini adalah

1. Membantu calon mahasiswa memilih

jurusan atau program studi di perguruan

tinggi

2. Membantu calon mahasiswa mengetahui

dampak/resiko positif dan negatif secara

dini dengan jurusan yang dipilih di

perguruan tinggi

3. Membantu pengelola perguruan tinggi

menyikapi atau memberikan solusi

terhadap mahasiswa diluar jurusan yang

direkomendasikan

4. Membantu mahasiswa dalam memilih

jurusan di perguruan tinggi, sebagai solusi

tepat untuk memperoleh indeks prestasi

kumulatif maksimal

5. Membantu masyarakat indonesia

mengurangi lulusan salah jurusan

2.1. Penelitian Terdahulu Menurut (Relita Buaton, 2014) dengan

judul penelitian “Implementasi Data Mining

Untuk Mengetahui Korelasi Jurusan Siswa

Pada Tingkat SMA/Sederajat Dengan Jurusan

Di Perguruan Tinggi Terhadap IPK Dengan

Metode A Priori (Studi Kasus STMIK

Kaputama)”, kesimpulan penelitian tersebut

adalah

1. Mahasiswa dari jurusan IPA yang memilih

Program Studi Sistem Informasi

kemungkinan 71% akan lulus dengan IPK

Memuaskan, apabila memilih prodi selain

Sistem Informasi maka kemung

2. kinan 66% lulus dengan IPK Memuaskan.

Mahasiswa yang berasal dari jurusan IPS

dengan memilih program studi apa pun

maka tingkat kululusan dengan IPK Kurang

Memuaskan sebesar 49%. Hal ini menjadi

masukan bagi pengelola institusi agar

diberikan kuliah extra untuk lebih

meningkatkan tingkat kelulusannya

3. Dengan adanya informasi dan pengetahuan

baru korelasi jurusan di SMA/sederajat

terhadap jurusan di perguruan tinggi, maka

sangat membantu calon mahasiswa jika

hendak melanjutkan pendidikan di

perguruan tinggi komputer, serta pihak

institusi dapat mengarahkan calon

mahasiswa untuk memilih program studi

Penelitian tersebut perlu dikembangkan

sehingga sistem yang dirancang dapat

digunakan untuk pemilihan seluruh jurusan /

http://news.okezone.com/read/2014/02/24/373/945961/duh-87-mahasiswa-indonesia-salah-jurusan




2548-9712

3

program studi. Perguruan tinggi yang ada di

Indonesia dapat berkontribusi untuk

menginput data perguruan tinggi sebagai basis

pengetahuan dan hasil korelasi dapat disajikan

untuk tingkat perguruan tinggi, provinsi dan

nasional dan dapat diakses oleh siapa saja

secara online dan up to date, kapan dan

dimana saja tanpa membutuhkan keahlian

khusus dalam bidang data mining untuk

mengaksesnya

Dampak Salah Memilih Jurusan/Program

Studi di Perguruan Tinggi

Berikut Dampak Salah Memilih Jurusan

Kuliah

1. Problem Psikologis Mempelajari sesuatu yang tidak sesuai

minat, bakat dan kemampuan, merupakan

pekerjaan yang sangat tidak

menyenangkan, apalagi kalau itu bukan

kemauan / pilihan anak, tetapi desakan

orang tua, akan sulit dicerna otak karena

sudah ada blocking emosi. Memilih

jurusan kuliah sesuai dengan saran teman

atau trend, padahal tidak sesuai dengan

minat diri juga punya dampak psikologis. 2. Problem akademis

Problem akademis mengakibatkan prestasi

yang tidak optimum, banyak mengulang

mata kuliah yang berdampak

bertambahnya waktu dan biaya, kesulitan

memahami materi, kesulitan memecahkan

persoalan, ketidakmampuan untuk mandiri

dalam belajar, dan buntutnya adalah

rendahnya nilai indeks prestasi. 3. Problem relasional

Salah memilih jurusan kuliah membuat

anak tidak nyaman dan tidak percaya diri.

Ia merasa tidak mampu menguasai materi

perkuliahan sehingga ketika hasilnya

tidak memuaskan, merasa minder karena

merasa dirinya bodoh, dan menjaga jarak

dengan teman lain, semakin pendiam,

menarik diri dari pergaulan, lebih senang

mengurung diri.

(http://usm.itera.ac.id/dampak-salah-

memilih-jurusan/)

Badan Pusat Statistik per Februari 2014

menyebutkan pengangguran terbuka lulusan

universitas di Indonesia berjumlah 398.298

orang atau 4,31 persen dari total pengangguran

terbuka yakni sebanyak 7.147.069 orang

(Kompas, 30 September 2014). Angka ini

mesti diperhatikan betul dan merupakan

masalah serius. Terlebih karena saat ini sudah

memasuki era Masyarakat Ekonomi ASEAN,

masalah pengangguran di Indonesia menjadi

sangat urgen dan perlu diperhatikan. Masalah

banyaknya pengangguran terdidik di

Indonesia, penyebab terjadinya ledakan

pengangguran terdidik dan kurangnya tenaga

ahli di Indonesia dan karena minimnya

wawasan masyarakat dalam menentukan

pilihan jurusan/program studi saat

kuliah(http://www.medanbisnisdaily.com/new

s/read/2014/10/03/121181/masalah-serius-

pengangguran-terdidik/#.VxHG5nonSVA).

Data Mining

Data mining merupakan serangkaian

proses untuk menggali nilai tambah dari suatu

kumpulan data berupa pengetahuan yang

selama ini tidak diketahui secara manual dari

suatu kumpulan data. Defenisi lain data

mining adalah sebagai proses untuk

mendapatkan informasi yang berguna dari

gudang basis data yang besar. Data mining

juga diartikan sebagai pengekstrakan

informasi baru yang diambil dari bongkahan

data besar yang membantu dalam pengambilan

keputusan. Istilah data mining kadang disebut

juga knowledge discovery (Eko Prasetyo,

2012). Istilah data mining dan Knowledge

Discovery in Database (KDD) sering kali

digunakan secara bergantian untuk

menjelaskan proses penggalian informasi

tersembunyi dalam suatu basis data yang

besar. Sebenarnya kedua istilah tersebut

memiliki konsep yang berbeda, tetapi

berkaitan satu sama lain. KDD adalah kegiatan

yang meliputi pengumpulan, pemakaian data,

historis untuk menemukan keteraturan, pola

atau hubungan dalam set data yang berukuran

besar (Budi Santoso , 2007).

Data mining didefinisikan sebagai

proses menemukan pola-pola dalam data. Pola

yang ditemukan harus penuh arti dan pola

http://usm.itera.ac.id/dampak-salah-memilih-jurusan/


http://www.medanbisnisdaily.com/news/read/2014/10/03/121181/masalah-serius-pengangguran-terdidik/#.VxHG5nonSVA




2548-9712

4

tersebut memberikan keuntungan.

Karakteristik data mining sebagai berikut

1. Data mining berhubungan dengan

penemuan sesuatu yang tersembunyi dan

pola data tertentu yang tidak diketahui

sebelumnya.

2. Data mining biasa menggunakan data

yang sangat besar. Biasanya data yang

besar digunakan untuk membuat hasil

lebih dipercaya.

Association Rules(Algoritma A Pripori)

Pada Data Mining

Algoritma A Priori termasuk jenis

aturan asosiasi pada data mining. Aturan yang

menyatakan asosiasi antara beberapa atribut

sering disebut affinity analysis atau market

basket analysis. Analisis asosiasi atau

association rule mining adalah teknik data

mining untuk menemukan aturan assosiatif

antara suatu kombinasi item. Aturan asosiasi

ingin memberikan informasi tersebut dalam

bentuk hubungan if then atau jika maka.

Aturan ini dihitung dari data yang sifatnya

probabilistik (Santoso, 2007). Analisis asosiasi

didefinisikan suatu proses untuk menemukan

semua aturan assosiatif yang memenuhi syarat

minimum untuk support (minimum support)

dan syarat minimum untuk confidence

(minimum confidence) (Pramudiono, 2007).

Dalam analisis antecedent dan consequent

adalah sekelompok item yang tidak punya

hubungan secara bersama (Santoso, 2007).

Untuk mengukur kekuatan aturan

asosiasi ini digunakan ukuran support dan

confidence. Support adalah rasio antara jumlah

transaksi yang memuat antecedent dan

consequent dengan jumlah transaksi.

Confidence adalah rasio antara jumlah

transaksi yang meliputi semua item dalam

antecedent dan consequent dengan jumlah


antecedent. Secara matematis dituliskan

sebagai berikut

S =Σ (Ta + Tc)

Σ (T)

Keterangan :

S = Support, 𝛴 (𝑇𝑎+𝑇𝑐) = Jumlah transaksi

yang mengandung antecedent dan

consequencent

Σ(𝑇) = Jumlah transaksi

C =Σ (Ta + Tc)

Σ (Ta)

Keterangan :

C = Confidence, 𝛴 (𝑇𝑎+𝑇𝑐) = Jumlah transaksi

yang mengandung antecedent dan

consequencent, Σ(𝑇𝑎) = Jumlah transaksi yang

mengandung antecedent

3. METODE PENELITIAN

Alur Perancangan Sistem

Gambar 1. Alur Perancangan System

Sumber dan Jenis Data Data diperoleh dari berbagai

perguruan tinggi swasta dan negeri yang

berdomisili di Sumatera Utara, basis data awal

adalah 9359 data atau alumni. Jumlah Jurusan

adalah 27, jumlah prodi adalah 65, yakni

Tabel 1. Nama Jurusan di SMA/Sederajat N0 Jurusan

1 IPS

2 IPA

3 Administrasi Perkantoran

4 Akuntansi

5 Bahasa

6 Biologi

7 Ekonomi

8 Elektronika

9 Fisika


2548-9712

5

10 Ilmu-Ilmu Fisik

11 Kimia

12 Marketing

13 Pariwisata

14 Pertanian

15 SMK Ekonomi

16 Sosial

17 Teknik

18 Teknik Elektro

19 Teknik Mesin Produksi

20 Teknik Otomotif

21 TKJ

22 Umum

23 Bisnis Manajemen

24 Peternakan

25 RPL

26 Tata Busana

27 Teknik Gambar Bangunan

Tabel 2. Nama Prodi di PTS/PTN No Nama Program Studi

1 Sistem Informasi

2 Teknik Informatika

3 Elektro

4 Administrasi Negara

5 Administrasi Niaga

6 Administrasi Perpajakan

7 Agribisnis

8 Agro Ekoteknologi

9 Akuntansi

10 Bahasa Asing

11 Bahasa dan Sastra Indonesia

12 Bahasa dan Seni Rupa

13 Bahasa Indonesia

14 Bahasa Inggris

15 Budidaya Pertanian

16 Ekonomi Akuntansi

17 Ekonnomi Manajemen

18 Ekonomi Pembangunan

19 Ekonomi SDM

20 Olah Raga

21 Fisika

22 Fisipol

23 FKM

24 FMIPA

25 HUKUM

26 Ilmu Administrasi Negara

27 Ilmu Ekonomi

28 Ilmu Keperawatan

29 Ilmu Komunikasi

30 Ilmu Pemerintahan

31 Kebidanan

32 Kesekretariatan

33 Kimia

34 Komunikasi Penyiaran Islam

35 Manajemen

36 Manajemen Informatika

37 Penddidikan Matematika

38 Pendidikan

39 Pendidikan Agama Kristen

40 Pendidikan Akuntansi

41 Pendidikan Bahasa Indonesia

42 Pendidikan Bahasa Inggris

43 Pendidikan Bahasa Jerman

44 Biologi

45 Pendidikan Ekonomi

46 Pendidikan Fisika

47 Pendidikan Guru PAUD

48 Pendidikan Kepelatihan Olahraga

49 Pendidikan Kesehatan & Rekreasi

50 Pendidikan Matematika

51 Pendidikan Pancasila

52 Perbandingan Agama

53 Pertanian

54 Peternakan

55 PGSD

56 PJKR

57 PM-IPA

58 PPKN

59 Psikologi

60 Seni Musik

61 Sosiologi

62 Teknik Mesin

63 Teknik Sipil

64 Teknologi Hasil Pertanian

65 Komputerisasi Akuntansi

Variabel Penelitian

Variabel yang digunakan dalam

penelitian ini adalah kumpulan data alumni

yang mencakup: Nama Perguruan tinggi,

Kategori Perguruan Tinggi(Swasta/Negeri),

Provinsi(Lokasi Perguruan Tinggi), Kode

alumni, Jurusan di sekolah menengah,

Program studi di Perguruan Tinggi, IPK

Konversi Nilai IPK

Tabel 3. Konversi Nilai IPK Peringkat Huruf

A 4,00

A- 3,67-3,99

B+ 3,33-3,66

B 3,00-3,32

B- 2,67-2,99

C+ 2,33-2,66

C 2,00-2,32


2548-9712

6

Metode Pemecahan Masalah

Metode yang digunakan adalah

Analisis asosiasi atau association rule mining .

Metode ini merupakan teknik data mining

untuk menemukan aturan assosiatif antara

suatu kombinasi item dalam hubungan if then

atau jika maka. Aturan ini dihitung dari data

yang sifatnya probabilistik . Analisis asosiasi

didefinisikan suatu proses untuk menemukan

semua aturan assosiatif yang memenuhi syarat

minimum untuk support (minimum support)

dan syarat minimum untuk confidence

(minimum confidence).

Untuk mengukur kekuatan aturan

asosiasi ini digunakan ukuran support dan

confidence. Support adalah rasio antara jumlah

transaksi yang memuat antecedent dan

consequent dengan jumlah transaksi.

Confidence adalah rasio antara jumlah


antecedent dan consequent dengan jumlah


antecedent. Formula untuk mencari support

secara matematis dituliskan sebagai berikut

S =Σ (Ta + Tc)

Σ (T)

Keterangan :

S = Support

𝛴 (𝑇𝑎+𝑇𝑐) = Jurusan + Program Studi + IPK

Σ(𝑇) = Jumlah data dalam database/basis

pengetahuan

Formula untuk mencari confidence secara

matematis dituliskan sebagai berikut

C =Σ (Ta + Tc)

Σ (Ta)

Keterangan :

C = Confidence

𝛴 (𝑇𝑎+𝑇𝑐) = Jurusan + Program Studi + IPK

Σ(𝑇𝑎) = Jumlah transaksi yang mengandung

antecedent, dalam hal ini Jurusan dan Program

Studi

4. HASIL

I. Korelasi Jurusan Terhadap IPK

berdasarkan nilai keyakinan/confidence Nilai

IPK

Su

pp

Co

nfKeterangan

ort Fi

nd

ec

e

B+:3,

33-

3,66

0,0

3

%

10

0,0

0

%

Berdasarkan Basis Pengetahuan pada Database Data Mining, Jika Jurusan

Anda di SMA/Sederajat: Teknik dan

Anda memilih Program Studi di Perguruan Tinggi:Teknik

Informatika, Maka Kemungkinan

besar Indeks Prestasi Kumulatif(IPK)

anda :Skala B+:3,33-3,66 adalah

dengan tingkat keyakinan 100,00 %,

dan dukungan database :0,03 %

B-

:2,67-2,99

0,0

2 %

10

0,0

0 %


Anda di SMA/Sederajat: Teknik

Mesin Produksi dan Anda memilih Program Studi di Perguruan

Tinggi:Teknik Informatika, Maka

Kemungkinan besar Indeks Prestasi Kumulatif(IPK) anda :Skala B-:2,67-

2,99 adalah dengan tingkat keyakinan

100,00 %, dan dukungan database :0,02 %

B:3,0

0-

3,32

0,0

1

%

100,0

0

%

Berdasarkan Basis Pengetahuan pada

Database Data Mining, Jika Jurusan Anda di SMA/Sederajat:

Administrasi Perkantoran dan Anda

memilih Program Studi di Perguruan Tinggi:Pendidikan Matematika,

Maka Kemungkinan besar Indeks

Prestasi Kumulatif(IPK) anda :Skala

B:3,00-3,32 adalah dengan tingkat

keyakinan 100,00 %, dan dukungan

database :0,01 %

B:3,0

0-3,32

0,0

1 %

10

0,0

0 %


Database Data Mining, Jika Jurusan

Anda di SMA/Sederajat: Bahasa dan Anda memilih Program Studi di

Perguruan Tinggi:Akuntansi, Maka

Kemungkinan besar Indeks Prestasi Kumulatif(IPK) anda :Skala B:3,00-



B+:3,

33-

3,66

0,0

1

%

100,0

0

%



Anda di SMA/Sederajat: Bahasa dan Anda memilih Program Studi di

Perguruan Tinggi:Pendidikan

Kepelatihan Olahraga, Maka Kemungkinan besar Indeks Prestasi

Kumulatif(IPK) anda :Skala B+:3,33-


100,00 %, dan dukungan database

:0,01 %

B:3,0

0-3,32

0,0

1 %

10

0,0

0 %


Anda di SMA/Sederajat: Bahasa dan

Anda memilih Program Studi di

Perguruan Tinggi:Pendidikan, Maka

Kemungkinan besar Indeks Prestasi

Kumulatif(IPK) anda :Skala B:3,00-



2548-9712

7


:0,01 %

B+:3,

33-

3,66

0,0

1

%

100,0

0

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: Biologi dan

Anda memilih Program Studi di Perguruan Tinggi:Fisika, Maka





:0,01 %

B-

:2,67

-2,99

0,0

1

%

100,0

0

%


Anda di SMA/Sederajat: Biologi dan

Anda memilih Program Studi di Perguruan Tinggi:Bahasa dan Sastra

Indonesia, Maka Kemungkinan besar

Indeks Prestasi Kumulatif(IPK) anda :Skala B-:2,67-2,99 adalah dengan

tingkat keyakinan 100,00 %, dan

dukungan database :0,01 %

B+:3,

33-3,66

0,0

1 %

10

0,0

0 %



Anda di SMA/Sederajat: Biologi dan Anda memilih Program Studi di

Perguruan Tinggi:HUKUM, Maka

Kemungkinan besar Indeks Prestasi Kumulatif(IPK) anda :Skala B+:3,33-



B+:3,33-

3,66

0,01

%

10

0,00

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: Biologi dan


Perguruan Tinggi:HUKUM, Maka Kemungkinan besar Indeks Prestasi


3,66 adalah dengan tingkat keyakinan 100,00 %, dan dukungan database

:0,01 %

B:3,00-

3,32

0,01

%

10

0,00

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: Ekonomi

dan Anda memilih Program Studi di

Perguruan Tinggi:Sosiologi, Maka Kemungkinan besar Indeks Prestasi



:0,01 %

B-

:2,67

-2,99

0,0

1

%

100,0

0

%


Anda di SMA/Sederajat: Ekonomi

dan Anda memilih Program Studi di Perguruan Tinggi:Ekonomi

Akuntansi, Maka Kemungkinan

besar Indeks Prestasi Kumulatif(IPK) anda :Skala B-:2,67-2,99 adalah



B:3,00-

3,32

0,01

%

10

0,00

%



Anda di SMA/Sederajat: Elektronika dan Anda memilih Program Studi di

Perguruan Tinggi:Ekonnomi

Manajemen, Maka Kemungkinan


anda :Skala B:3,00-3,32 adalah dengan tingkat keyakinan 100,00 %,


B:3,0

0-3,32

0,0

1 %

10

0,0

0 %


Anda di SMA/Sederajat: Ilmu-Ilmu

Fisik dan Anda memilih Program Studi di Perguruan

Tinggi:Pendidikan Kesehatan &

Rekreasi, Maka Kemungkinan besar

Indeks Prestasi Kumulatif(IPK) anda

:Skala B:3,00-3,32 adalah dengan

tingkat keyakinan 100,00 %, dan dukungan database :0,01 %

A-

:3,67-3,99

0,0

1 %

10

0,0

0 %



Anda di SMA/Sederajat: Kimia dan Anda memilih Program Studi di

Perguruan Tinggi:Komputerisasi

Akuntansi, Maka Kemungkinan besar Indeks Prestasi Kumulatif(IPK)

anda :Skala A-:3,67-3,99 adalah

dengan tingkat keyakinan 100,00 %, dan dukungan database :0,01 %

B+:3,

33-

3,66

0,0

1

%

100,0

0

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: Kimia dan



Kepelatihan Olahraga, Maka





:0,01 %

B+:3,

33-3,66

0,0

1 %

10

0,0

0 %



Anda di SMA/Sederajat: Marketing dan Anda memilih Program Studi di

Perguruan Tinggi:Kebidanan, Maka




B:3,00-

3,32

0,01

%

10

0,00

%



Anda di SMA/Sederajat: Pariwisata dan Anda memilih Program Studi di

Perguruan Tinggi:Ilmu Administrasi

Negara, Maka Kemungkinan besar Indeks Prestasi Kumulatif(IPK) anda

:Skala B:3,00-3,32 adalah dengan tingkat keyakinan 100,00 %, dan


B-:2,67

-2,99

0,01

%

10

0,00

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: Pariwisata


Perguruan Tinggi:Manajemen



anda :Skala B-:2,67-2,99 adalah dengan tingkat keyakinan 100,00 %,



2548-9712

8

B:3,0

0-3,32

0,0

1 %

10

0,0

0 %



Anda di SMA/Sederajat: Pertanian dan Anda memilih Program Studi di

Perguruan Tinggi:Ekonnomi

Manajemen, Maka Kemungkinan besar Indeks Prestasi Kumulatif(IPK)

anda :Skala B:3,00-3,32 adalah


B:3,00-

3,32

0,01

%

10

0,00

%



Anda di SMA/Sederajat: SMK

Ekonomi dan Anda memilih Program

Studi di Perguruan Tinggi:Ilmu

Komunikasi, Maka Kemungkinan


anda :Skala B:3,00-3,32 adalah dengan tingkat keyakinan 100,00 %,


B+:3,33-

3,66

0,01

%

10

0,00

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: Sosial dan


Perguruan Tinggi:Ilmu Administrasi

Negara, Maka Kemungkinan besar


:Skala B+:3,33-3,66 adalah dengan tingkat keyakinan 100,00 %, dan


B:3,0

0-

3,32

0,0

1

%

100,0

0

%


Anda di SMA/Sederajat: Sosial dan

Anda memilih Program Studi di Perguruan Tinggi:Sosiologi, Maka





:0,01 %

B:3,0

0-3,32

0,0

1 %

10

0,0

0 %



Anda di SMA/Sederajat: Teknik dan Anda memilih Program Studi di

Perguruan Tinggi:Sosiologi, Maka




B:3,00-

3,32

0,01

%

10

0,00

%




Elektro dan Anda memilih Program

Studi di Perguruan Tinggi:Ilmu

Ekonomi, Maka Kemungkinan besar




B:3,0

0-3,32

0,0

1 %

10

0,0

0 %




Mesin Produksi dan Anda memilih

Program Studi di Perguruan Tinggi:Manajemen Informatika,



B:3,00-3,32 adalah dengan tingkat keyakinan 100,00 %, dan dukungan

database :0,01 %

B-

:2,67

-2,99

0,0

1

%

10

0,0

0

%



Otomotif dan Anda memilih Program Studi di Perguruan Tinggi:Teknik

Mesin, Maka Kemungkinan besar


:Skala B-:2,67-2,99 adalah dengan

tingkat keyakinan 100,00 %, dan


B-

:2,67-2,99

0,0

1 %

10

0,0

0 %



Otomotif dan Anda memilih Program Studi di Perguruan

Tinggi:Komputerisasi Akuntansi,

Maka Kemungkinan besar Indeks Prestasi Kumulatif(IPK) anda :Skala

B-:2,67-2,99 adalah dengan tingkat

keyakinan 100,00 %, dan dukungan database :0,01 %

B+:3,33-

3,66

0,04

%

10

0,00

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: IPA dan



Bahasa Jerman, Maka Kemungkinan


anda :Skala B+:3,33-3,66 adalah dengan tingkat keyakinan 100,00 %,


B+:3,

33-

3,66

0,0

3

%

100,0

0

%


Anda di SMA/Sederajat: IPS dan

Anda memilih Program Studi di Perguruan Tinggi:Pendidikan

Bahasa Jerman, Maka Kemungkinan

besar Indeks Prestasi Kumulatif(IPK) anda :Skala B+:3,33-3,66 adalah



B:3,0

0-3,32

0,0

3%

100,0

0%


Anda di SMA/Sederajat: RPL dan

Anda memilih Program Studi di Perguruan Tinggi:Teknik


besar Indeks Prestasi Kumulatif(IPK) anda :Skala B:3,00-3,32 adalah


B+:3,

33-3,66

0,0

2%

10

0,0

0%



Anda di SMA/Sederajat: IPA dan Anda memilih Program Studi di

Perguruan Tinggi:Bahasa dan Seni

Rupa, Maka Kemungkinan besar


:Skala B+:3,33-3,66 adalah dengan



2548-9712

9

B+:3,

33-3,66

0,0

2%

10

0,0

0%




Perguruan Tinggi:PM-IPA, Maka




B+:3,33-

3,66

0,02

%

10

0,00

%



Anda di SMA/Sederajat: IPA dan


Perguruan Tinggi:PM-IPA, Maka Kemungkinan besar Indeks Prestasi



:0,02 %

B:3,0

0-3,32

0,0

2%

100,0

0%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: Teknik

Gambar Bangunan dan Anda

memilih Program Studi di Perguruan Tinggi:Teknik Informatika, Maka





B:3,0

0-3,32

0,0

1%

10

0,0

0%



Anda di SMA/Sederajat: IPS dan Anda memilih Program Studi di

Perguruan Tinggi:Agribisnis, Maka




B+:3,33-

3,66

0,01

%

10

0,00

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: IPS dan


Perguruan Tinggi:Bahasa Indonesia, Maka Kemungkinan besar Indeks


B+:3,33-3,66 adalah dengan tingkat keyakinan 100,00 %, dan dukungan

database :0,01 %

B:3,0

0-

3,32

0,0

1

%

100,0

0

%



Anda memilih Program Studi di Perguruan Tinggi:Ekonnomi

Manajemen, Maka Kemungkinan

besar Indeks Prestasi Kumulatif(IPK) anda :Skala B:3,00-3,32 adalah



B+:3,33-

3,66

0,01

%

10

0,00

%




Anda memilih Program Studi di Perguruan Tinggi:Ilmu Ekonomi,



B+:3,33-3,66 adalah dengan tingkat


B+:3,

33-

3,66

0,0

1

%

10

0,0

0

%




Perguruan Tinggi:Biologi, Maka Kemungkinan besar Indeks Prestasi




:0,01 %

B+:3,33-

3,66

0,01

%

10

0,00

%




Perguruan Tinggi:PJKR, Maka Kemungkinan besar Indeks Prestasi



:0,01 %

B:3,0

0-

3,32

0,0

1

%

100,0

0

%



Anda memilih Program Studi di Perguruan Tinggi:Teknik Mesin,





database :0,01 %

C+:2,

33-2,66

0,0

1%

10

0,0

0%




Perguruan Tinggi:Teknik Sipil, Maka

Kemungkinan besar Indeks Prestasi Kumulatif(IPK) anda :Skala C+:2,33-



B:3,0

0-3,32

0,0

1%

10

0,0

0%




Perguruan Tinggi:Teknik Mesin,




B:3,0

0-

3,32

0,0

1

%

10

0,0

0

%




Perguruan Tinggi:Bahasa Asing, Maka Kemungkinan besar Indeks




database :0,01 %

B:3,00-

3,32

0,01

%

100,0

0




2548-9712

10

% Anda memilih Program Studi di

Perguruan Tinggi:Budidaya

Pertanian, Maka Kemungkinan besar Indeks Prestasi Kumulatif(IPK) anda



B+:3,33-

3,66

0,01

%

10

0,00

%




Perguruan Tinggi:Fisipol, Maka




:0,01 %

B:3,00-

3,32

0,01

%

10

0,00

%




Perguruan Tinggi:FKM, Maka Kemungkinan besar Indeks Prestasi



:0,01 %

B-

:2,67

-2,99

0,0

1

%

100,0

0

%



Anda memilih Program Studi di Perguruan Tinggi:FMIPA, Maka


Kumulatif(IPK) anda :Skala B-:2,67-



:0,01 %

B+:3,

33-3,66

0,0

1%

10

0,0

0%




Perguruan Tinggi:Ilmu

Keperawatan, Maka Kemungkinan besar Indeks Prestasi Kumulatif(IPK)

anda :Skala B+:3,33-3,66 adalah


B+:3,33-

3,66

0,01

%

10

0,00

%




Perguruan Tinggi:Kimia, Maka



:0,01 %

B-

:2,67-2,99

0,0

1%

10

0,0

0%




Perguruan Tinggi:Penddidikan

Matematika, Maka Kemungkinan




B+:3,33-

3,66

0,01

%

10

0,00

%




Perguruan Tinggi:Pendidikan, Maka Kemungkinan besar Indeks Prestasi



:0,01 %

B+:3,33-

3,66

0,01

%

10

0,00

%




Perguruan Tinggi:Pendidikan Guru

PAUD, Maka Kemungkinan besar


:Skala B+:3,33-3,66 adalah dengan tingkat keyakinan 100,00 %, dan


B+:3,

33-3,66

0,0

1%

10

0,0

0%



Anda memilih Program Studi di Perguruan Tinggi:Pendidikan

Kepelatihan Olahraga, Maka




B:3,00-

3,32

0,01

%

10

0,00

%




Perguruan Tinggi:Perbandingan

Agama, Maka Kemungkinan besar




B:3,00-

3,32

0,01

%

10

0,00

%




Perguruan Tinggi:Pertanian, Maka Kemungkinan besar Indeks Prestasi



:0,01 %

B:3,0

0-

3,32

0,0

1

%

100,0

0

%



Anda memilih Program Studi di Perguruan Tinggi:PGSD, Maka





:0,01 %

B:3,0

0-3,32

0,0

1%

10

0,0

0%





2548-9712

11

Perguruan Tinggi:PPKN, Maka





:0,01 %

B-:2,67

-2,99

0,01

%

10

0,00

%



Anda di SMA/Sederajat: Bisnis

Manajemen dan Anda memilih

Program Studi di Perguruan

Tinggi:Teknik Informatika, Maka


Kumulatif(IPK) anda :Skala B-:2,67-


:0,01 %

B-:2,67

-2,99

0,01

%

10

0,00

%


Database Data Mining, Jika Jurusan Anda di SMA/Sederajat: Peternakan


Perguruan Tinggi:Teknik





B+:3,

33-

3,66

0,0

1

%

100,0

0

%


Anda di SMA/Sederajat: RPL dan

Anda memilih Program Studi di Perguruan Tinggi:Manajemen


besar Indeks Prestasi Kumulatif(IPK) anda :Skala B+:3,33-3,66 adalah



B:3,0

0-3,32

0,0

1%

10

0,0

0%



Anda di SMA/Sederajat: Tata

Busana dan Anda memilih Program

Studi di Perguruan Tinggi:Sistem

Informasi, Maka Kemungkinan besar Indeks Prestasi Kumulatif(IPK) anda



B+:3,

33-

3,66

0,0

1

%

100,0

0

%



Anda di SMA/Sederajat: Tata

Busana dan Anda memilih Program

Studi di Perguruan

Tinggi:Komputerisasi Akuntansi, Maka Kemungkinan besar Indeks


B+:3,33-3,66 adalah dengan tingkat


database :0,01

B:3,00-

3,32

0,01

%

10

0,00

%



Gambar Bangunan dan Anda

memilih Program Studi di Perguruan

Tinggi:Manajemen Informatika,




database :0,01 %

II. Korelasi Jurusan Terhadap IPK

berdasarkan hasil perkalian nilai

keyakinan/confidence dengan nilai support

Support

Conf

indece

Keterangan Persen

tase

4,61% 52,63%

Berdasarkan Basis

Pengetahuan pada Database

Data Mining, Jika Jurusan

Anda di SMA/Sederajat: IPA dan Anda memilih Program

Studi di Perguruan

Tinggi:Pendidikan Bahasa

Inggris, Maka Kemungkinan

besar Indeks Prestasi

Kumulatif(IPK) anda :Skala

B+:3,33-3,66 adalah dengan

tingkat keyakinan 52,63 %,

dan dukungan database :4,61

% 2,43%

3,49% 44,98%

Berdasarkan Basis


Data Mining, Jika Jurusan Anda di SMA/Sederajat: IPA

dan Anda memilih Program Studi di Perguruan

Tinggi:Pendidikan

Matematika, Maka Kemungkinan besar Indeks

Prestasi Kumulatif(IPK) anda

:Skala B+:3,33-3,66 adalah dengan tingkat keyakinan

44,98 %, dan dukungan

database :3,49 % 1,57%

2,86% 40,42%

Berdasarkan Basis Pengetahuan pada Database


Anda di SMA/Sederajat: IPA dan Anda memilih Program

Studi di Perguruan

Tinggi:Akuntansi, Maka

Kemungkinan besar Indeks

Prestasi Kumulatif(IPK) anda

:Skala B+:3,33-3,66 adalah dengan tingkat keyakinan

40,42 %, dan dukungan

database :2,86 % 1,16%

2,06% 40,04%

Berdasarkan Basis


Data Mining, Jika Jurusan Anda di SMA/Sederajat: IPS

dan Anda memilih Program

Studi di Perguruan Tinggi:Akuntansi, Maka

Kemungkinan besar Indeks

Prestasi Kumulatif(IPK) anda :Skala B:3,00-3,32 adalah

dengan tingkat keyakinan

40,04 %, dan dukungan database :2,06 % 0,82%

1,68% 49,06%

Berdasarkan Basis

Pengetahuan pada Database 0,82%


2548-9712

12


Anda di SMA/Sederajat: IPS

dan Anda memilih Program Studi di Perguruan

Tinggi:Pendidikan Ekonomi,

Maka Kemungkinan besar Indeks Prestasi

Kumulatif(IPK) anda :Skala

B:3,00-3,32 adalah dengan tingkat keyakinan 49,06 %,

dan dukungan database :1,68

%

5. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Kesimpulan yang diperoleh sampai dengan

tahap ini adalah

1. Dengan sistem data mining yang

dibangun, calon mahasiswa dapat terbantu

untuk memilih program studi di perguruan

tinggi

2. Calon mahasiswa dapat terbantu untuk

mengetahui dampak positif dan negatif

secara dini setiap program studi yang

dipilih di perguruan tinggi

5.2Saran

Untuk kesempurnaan penelitian ini, maka

beberapa saran adalah

1. Database ditambah lagi dengan sumber

dari beberapa perguruan tinggi yang

tersebar di Indonesia untuk menambah

keakuratan data

2. Hasil yang diperoleh atau output sistem

sebaiknya dikembangkan lagi sehingga

diketahui jurusan dan program studi yang

dihasilkan kategori sekolah apakah swasta

atau negeri, karena output sekarang ini

belum dapat membedakan swasta atau

negeri

DAFTAR PUSTAKA

[1] Buaton R,Maulita Y, Pardede AMH,

2014,” Implementasi Data Mining

Untuk Mengetahui Korelasi Jurusan

Siswa Pada Tingkat SMA/Sederajat

Dengan Jurusan Di Perguruan Tinggi

Terhadap IPK Dengan Metode A

Priori (Studi Kasus STMIK

Kaputama). Jurnal SAINS dan

TEKNOLOGI ISTP. ISSN:2356-0878

[2] Buaton R, Maulita Y, Pardede AMH,

2014,” Implementasi Data Mining

Untuk Mengetahui Korelasi Jurusan

Siswa Pada Tingkat SMA/Sederajat

Dengan Jurusan Di Perguruan Tinggi

Terhadap IPK Dengan Metode A

Priori (Studi Kasus STMIK

Kaputama). Seminar Nasional

Pembangunan Berkelanjutan Bangsa

Berbasis IPTEK. Institut Teknologi

Medan.ISBN:978-602-96473-2-7

[3] Budi Santoso, 2007, “Data Mining

(Teknik Pemanfaatan Data Untuk

Keperluan Bisnis)”, Yogyakarta:

Graha Ilmu.

[4] Davies, Paul Beynon, 2004,

“Database Systems Third Edition”,

New York: Palgrave Macmillan.

[5] Kusrini dan Luthfi Emha Taufiq,

2009,”Algoritma Data Mining”,

Yogyakarta: Andi Offset.

[6] Moertini Veronika S, 2002, “Data

Mining Sebagai Solusi Bisnis”, Jurnal

INTEGRAL, Vol. 7 No. 1.

[7] Prabhu, S., Venatesan, N. 2007. Data

Mining and Warehousing. New Age

International (P) Limited, Publishers.

[8] Pramudiono I, 2007. “Pengantar Data

Mining : Menambang Permata

Pengetahuan di Gunung Data”,

http://www.ilmukomputer.org/wp-

content/uploads/2006/08/iko-

datamining.zip.

[9] Santosa, Budi, 2007, “Data Mining

Teknik Pemanfaatan Data untuk

Keperluan Bisnis”, Yogyakarta:Graha

Ilmu.

[10]http://news.okezone.com/read/2014/02/24/

373/945961/duh-87-mahasiswa-

indonesia-salah-jurusan (Diakses pada

tanggal 25 April 2016).

[11]http://edukasi.kompas.com/read/2010/04/3

0/16285917/Tiga.Faktor.Kamu.Salah.

Pilih.Jurusan. (Diakses pada tanggal

25 April 2016).




http://edukasi.kompas.com/read/2010/04/30/16285917/Tiga.Faktor.Kamu.Salah.Pilih.Jurusan




2548-9712

13

[12] http://usm.itera.ac.id/dampak-salah-

memilih-jurusan/ (Diakses pada

tanggal 11 April 2016)

[13]http://www.medanbisnisdaily.com/new

s/read/2014/10/03/121181/masalah

-serius-pengangguran-

terdidik/#.VxHG5nonSVA

(Diakses pada tanggal 11 April

2016) [14]https://id.wikipedia.org/wiki/Indeks_prest

asi (Diakses 10 februari 2017)







https://id.wikipedia.org/wiki/Indeks_prestasi%20(Diakses

https://id.wikipedia.org/wiki/Indeks_prestasi%20(Diakses

data mining untuk menentukan korelasi …

Documents