Data Mining adalah kegiatan
untuk mendapatkan suatu pengetahuan atau knowledge yang berjumlah sangat banyak
dan sebelumnya tidak pernah di ketahui, dan Data Mining ini diproses sehingga
data nya bisa menjadi Informasi yang bisa lebih bermanfaat, tanpa kita sadari
data sudah banyak di digunakan di berbagai bidang, misalnya di bidang
pendidikan terdapat data siswa, data guru, data nilai dan lain lain.
Data Mining menurut sumber yang
lain adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk
menemukan keteraturan, pola dan hubungan dalam set data berukuran besar.
Kegunaan data mining adalah untuk menspesifikasikan pola yang harus ditemukan
dalam tugas data mining. Kehadiran data mining dilatar belakangi dengan
problema data explosion yang dialami akhir-akhir ini dimana banyak organisasi
telah mengumpulkan data sekian tahun lamanya (data pembelian, data penjualan, data
nasabah, data transaksi dsb.)
Salah satu Data Mining yang
diterapkan oleh smk negeri 4 surakarta data mining untuk memprediksi prestasi
siswa berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa
lalu, permasalahan kenapa Data Mining ini dibuat dikarenakan ada permasalahan
yang sering muncul di kalangan peserta didik SMK adalah masih banyak yang
mementingkan kompetensi mata pelajaran produktif daripada mata pelajaran
adaptif dan normatif. Banyak peserta didik SMK yang piawai menghasilkan karya
sesuai dengan kompetensi kejuruannya tetapi mereka lemah dalam mata pelajaran
adaptif dan nor-matif. Contohnya adalah banyak peserta didik jurusan Tata
Busana mampu membuat dan mendesain busana yang bagus tapi dia lemah pada mata
pelajaran Matematika yang menjadi salah satu syarat kelulusannya. Oleh karena
itu, sangat diperlukan perhatian oleh satuan pendidikan untuk mampu
menyelenggarakan pembelajaran yang bisa mengatasi masalah tersebut.
Data Mining dianggap bisa
menyelesaikan masalah tersebut karena sesuai dengan Konsep dasar Data Mining
yang bisa menggali pengetahuan yang sebelumnya tidak pernah diketahui, maka SMK
ini melakukan prediksi Prestasi Siswa berdasarkan Sosial Ekonomi, Motivasi,
Kedisiplinan dan Prestasi Masa lalu
Data Mining ini terlebih dahulu
melakukan Penelitian dengan pendekatan Kuantitatif. Waktu pene-litian dan
pengambilan data pada bulan Juni 2013 sampai Desember 2013.Target/subjek
penelitian adalah siswa tingkat X SMK Negeri 4 Surakarta Tahun Pe-lajaran
2013/2014 sejumlah 416 siswa. Penelitian ini menggunakan teknik Decision Tree,
CHAID dan Regresi Data.
Decision Tree akan
memperlihatkan factor-faktor kemungkinan yang akan mempengaruhi
aternatif-alternatif prestasi belajar siswa, disertai dengan prediksi hasil
akhir yang akan didapat bila factor-faktor dalam Decision Tree terpenuhi.
CHAID, tujuan dari metode CHAID adalah untuk memisahkan data secara berurutan
dengan pembagian biner menjadi subgroup, selanjutnya adalah Regresi Linier
adalah metode statistika yang digunakan untuk membentuk model hubungan antara
variable terikat dengan satu atau lebih variable bebas
Knowledge
Discovery in Database (KDD) adalah
proses menentukan informasi yang berguna
serta pola-pola yang ada dalam data. Informasi ini terkandung dalam basis data
yang berukuran besar yang sebelumnya tidak
diketahui dan potensial bermanfaat (Han & Kamber, 2006 dalam Baskoro, 2010).
Hasil penelitian berdasarkan
tahapan-tahapan proses dalam
KDD (Knowledge Data Discovery)
sebagai berikut: (1) Data
Selection, tahapan ini
dilakukan untuk memilih data yang sesuai
dengan variabel yang dibutuhkan dalam penelitian.
Caranya adalah dengan memilih atau
menentukan atribut-atribut data mana yang
akan digunakan dalam penelitian dari sekelompok
data operasional yang ada. Salah satunya
adalah menentukan atribut-atribut un-tuk
variabel Sosial Ekonomi Orang Tua yang diambil
dari data operasional yaitu Data Priba-di
Siswa yang ada di BP/BK sekolah; (2) Pre-processing/Cleaning, proses cleaning tersebut dilakukan
terhadap keseluruhan data yang diteliti
yang berjumlah 416 siswa. Setelah di-lakukan
proses cleaning data sejumlah 416, di-hasilkan
data bersih sebanyak 346 record data yang
digunakan untuk proses analisis berikut-nya;
(3) Transformation, tahap ini menghasil-kan satu recordset data yang siap untuk analisis data; (4) Analisis data.
Dalam salah satu
tahap KDD terdapat data mining, data mining merupakan suatu kegiatan yang meliputi pengumpulan, pemakaian data
historis untuk menentukan keteraturan,
pola atau hubungan dalam set data berukuran besar
(Santosa, 2007). Beberapa teknik
yang sering disebut-sebut dalam literatur data mining antara lain yaitu
association rule mining,
clustering, klasifikasi, neural network, genetic algorithm dan lain-lain.
Opini saya tentang
uraian diatas adalah untuk memprediksi Prestasi siswa sangat bagus diterapkan
di SMAN 5 Garut (tempat saya belajar dulu) karna salah satunya Prediksi ini
menggunakan Decision Tree dimana Decision Tree sendiri sangat bagus digunakan
karena keputusan nya bisa diambil dengan cara yang sangat mudah, tanpa
kita harus mengambil keputusan yang sebelumnya yang secara umum, selain itu
Data Mining sendiri bisa menangani data yang sangat besar sehingga sangat cocok
diterapkan, selain itu hasil dari penelitian yang dilakukan oleh SMK Negri 4
Surakarta menghasilkan hasil bisa di bilang akurat untuk memprediksi prestasi
siswa.
Referensi :
Tidak ada komentar:
Posting Komentar