Algoritma SVM pada Data Mining Tingkat Pemahaman Mata Kuliah (Studi Kasus pada Mata kuliah Rekayasa Perangkat Lunak)

Siti Puspita Hida Sakti MZ, Marzuki Adami

Abstract


Abstract
Dalam dunia Pendidikan Tinggi yaitu Perguruan Tinggi, keilmuan yang dipelajari sesuai dengan jurusan yang melingkupinya. Materi kuliah memiliki indikator ketercapaian pemahaman keilmuan. Dalam kegiatan perkuliahan, dosen memiliki acuan mengajar seperti CPMK dan RPS. Pada RPS terdapat topik-topik, kompetensi dan ketercapaian yang diharapkan setelah menerima materi kuliah dan diukur dengan tugas, kuis, UTS dan UAS, namun kemampuan dosen dalam mengajar dan kemampuan mahasiswa dalam menerima materi kuliah tidak memiliki penilaian yang baku. Data Mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. SVM merupakan algoritma klasifikasi berdasarkan prinsip linear classifier yang mampu menyelesaikan permasalahan dengan waktu komputasi lebih cepat daripada SVM standar untuk data berukuran besar. SVM memiliki tingkat akurasi tinggi namun penentuan parameter dan data serta topik yang diolah akan menentukan hasil akurasi. Mata Kuliah Rekayasa Perangkat Lunak pada Program Studi Sistem Informasi dipilih sebagai objek penelitian. Penelitian ini penting dilaksanakan untuk mengetahui tingkat pemahaman materi kuliah. Jika tingkat pemahaman mahasiswa rendah, maka mahasiswa akan kesulitan mengikuti laju perkembangan teknologi informasi dan komunikasi dan secara umum Perguruan Tinggi akan lebih tertinggal. Penelitian sebelumnya lebih kepada metode pembelajaran yang digunakan untuk meningkatkan pemahaman serta factor-faktor yang mempengaruhi topik ini. Penelitian ini bertujuan untuk implementasi metode data mining dalam mengukur tingkat pemahaman materi kuliah menggunakan algoritma SVM. Sedangkan tujuan khusus untuk mengetahui komponen data pada RPS yang mempengaruhi tingkat pemahaman mata kuliah menggunakan algoritma SVM, menghitung persentase akurasi pada pengukuran tingkat pemahaman materi kuliah menggunakan algoritma SVM, memahami keterkaitan antara data mining dan SVM terhadap pengukuran tingkat pemahaman mata kuliah
Hasil penelitian ini menjadi masukan dalam memperbaiki RPS, mengukur tingkat kedalaman pengetahuan yang dimiliki dosen terhadap mata kuliah yang diampu, sebagai dasar atau perbandingan penelitian-penelitian berikutnya dan memunculkan teori-teori baru untuk penelitian sejenis guna peningkatan mutu lulusan perguruan tinggi ditengah masyarakat.
Kata Kunci : data mining, klasifikasi, svm, tingkat pemahaman mata kuliah, rpl


Keywords


data mining; klasifikasi; svm; tingkat pemahaman mata kuliah; rpl

Full Text:

PDF

References


Chia-Hui Huang, Keng-Chieh Yang, Han-Ying Kao, "Analyzing Big Data with the Hybrid Interval Regression Methods", The Scientific World Journal, vol. 2014, Article ID 243921, 8 pages, 2014. https://doi.org/10.1155/2014/243921

Dalam, W.W.W. & Sinarti, 2019. Faktor-Faktor yang Mempengaruhi Tingkat Pemahaman Mahasiswa pada Mata Kuliah Auditing di Politeknik Negeri Batam, Journal of Applied Accounting and Taxation Article History Vol. 4, No. 1, March 2019 , 100-106, e-ISSN: 2548-9925

Fiska, R.R., 2017. Penerapan Teknik Data Mining dengan Metode Support Vector Machine (SVM) untuk Memprediksi Siswa yang Berpeluang Drop Out (Studi Kasus di SMKN 1 Sutera), Jaringan Sistem Informasi Robotik Vol. 1, No. 01, Maret 2017, Riau.

Hadi, S. 2011. Peningkatan Pemahaman Mahasiswa pada Mata Kuliah Telaah Kurikulum melalui Media Visual berbasis Macromedia Flash MX, Jurnal Pendidikan Ekonomi Dinamika Pendidikan Vol. VI, No. 2, Desember 2011, Hal. 132-149

Harahap, E.H., Muflikhah, L., & Rahayudi, B. 2018. Implementasi Algoritma Support Vector Machine(SVM) Untuk Penentuan Seleksi Atlet Pencak Silat, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 2, No. 10, Oktober 2018, hlm. 3843-3848 Fakultas Ilmu KomputerUniversitas Brawijaya

Larose, D. T.2009. Discovering Knowledge in Data, New Jersey: John Willey & Sons, Inc, 2005

Lukman, 2016. penerapan Algoritma Support Vector Machine(Svm)Dalam Pemilihan Beasiswa:Studi Kasus Smk Yapimda), faktor Exacta 9(1): 49-57, 2016issn: 1979-276x

Octaviani, P.A., Wilandari, Y., Dwi Ispriyanti, S.3Penerapan Metode Klasifikasi Support Vector Machine (Svm) Pada Data Akreditasi Sekolah Dasar (Sd) Di Kabupaten Magelang 1Mahasiswa Jurusan Statistika FSM UNDIP 2,3Staff Pengajar Jurusan Statistika FSM UNDIP ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 811 – 820

Sajadin Sembiring, M.Zarlis, Dedy Hartama, Elvi Wani, 2011 Prediction of Student Academic Performance By An Application of Data Mining Techniques, International Conference on Management and Artificial Intelligence, IPEDR vol 6 (2011) IACSIT Press, Bali Indonesia Hal. 110-114


Refbacks

  • There are currently no refbacks.
slot gacor slot gacor hari ini slot gacor 2025 demo slot pg slot gacor slot gacor