Pengembangan Aplikasi Data Mining dalam Manajemen Data di Perguruan Tinggi

Ratnaningsih, Dewi Juliah and Patria, Lintang and Megawarni, Andi (2014) Pengembangan Aplikasi Data Mining dalam Manajemen Data di Perguruan Tinggi. Project Report. Universitas Terbuka, Tangerang Selatan.

Preview

Text 2014_229.pdf Download (1MB) | Preview

Abstract

Teknik-teknik data mining dapat dimanfaatkan untuk melakukan proses penggalian informasi dari data yang tersembunyi dan kompleks. Melalui data mining dapat diperoleh sekumpulan data yang lebih informatif dan mudah dipahami untuk pengambilan keputusan dalam sistem manajemen universitas. Pengembangan aplikasi data mining perlu dilakukan khususnya pada perguruan tinggi jarak jauh seperti Universitas Terbuka (UT). Hal ini dikarenakan mengingat UT didirikan oleh pemerintah dengan tujuan untuk meningkatkan pemerataan dan akses pendidikan tinggi bagi seluruh lapisan masyarakat. Melalui sistem pendidikan jarak jauh UT dapat menjangkau masyarakat yang berada di wilayah 3T (terdepan, terluar, dan tertinggal). Dengan demikian, UT dapat menjembatani masalah pendidikan yang ada di Indonesia. Dalam penyelenggaraan pengelolaan baik administrasi maupun akademik, tentu UT mengalami berbagai kendala, baik ruang, waktu maupun jarak yang begitu beragam dan kompleks sesuai dengan kondisi geografis Indonesia. Salah satu kendala yang dialami UT adalah dalam peningkatan angka partisipasi mahasiswa dan kualitas akademis mahasiswa. Data menunjukkan bahwa mahasiswa UT yang berstatus non aktif masih banyak dan indeks prestasi akademis mahasiswa UT masih perlu ditingkatkan. Upaya yang dapat dilakukan untuk mengatasi kendala ini adalah melalui pengetahuan dan pemahaman data mengenai kondisi status mahasiswa, pola registrasi, beban kuliah atau jumlah sks yang ditempuh mahasiswa, perolehan indeks prestasi kumulatif dan pola keberlangsungan studi mahasiswa. Pengetahuan dan pemahaman data ini dapat dilakukan melalui serangkaian proses data mining. Penelitian ini bertujuan untuk mengkaji pengembangan aplikasi data mining di UT. Penelitian tahun pertama dilakukan untuk memperoleh pengetahuan mengenai beban kuliah mahasiswa (sks), lama studi, status kemahasiswaan, dan karakteristik mahasiswa PTJJ, pengklasifikasian karakteristik mahasiswa melalui metode klasifikasi, pengelompokkan karakteristik mahasiswa PTJJ berdasarkan status kemahasiswaan melalui metode clustering, dan pemodelan keberlanjutan studi mahasiswa PTJJ melalui analisis survival tree. Data yang digunakan adalah data mahasiswa UT yang melalukan registrasi awal pada tahun 2005 semester 1 yang diikuti rekam jejak akademisnya selama kurun waktu 9 tahun (18 semester) hingga tahun 2013 semester 2. Hasil penelitian tahun pertama dijadikan sebagai dasar pengembangan aplikasi data mining pada tahun kedua. Penelitian tahun pertama menghasilkan beberapa informasi sebagai berikut. 1. Program pembelajaran di UT secara garis besar dibedakan menjadi dua program, yaitu: Program Pendidikan Dasar (Pendas) dan Program Non Pendas. Database kedua program tersebut terdapat pada server database administrasi dan akademik UT yang dikenal dengan nama Student Record System Universitas Terbuka (SRS-UT) yang berbeda. 2. Jumlah mahasiswa non aktif pada Program Pendas relatif lebih sedikit dibanding dengan mahasiswa non aktif pada Program Non Pendas. Demikian juga halnya dengan viii jumlah mahasiswa yang lulus, pada Program Pendas lebih banyak daripada pada Program Non Pendas. Pada umumnya mahasiswa Program Pendas berasal dari D2 PGSD-UT, sedangkan mahasiswa Program Non Pendas pada umumnya berasal dari SMA. Rata-rata mahasiswa non aktif Program Non Pendas memiliki jumlah sks tempuh kurang dari 38. 3. Lama studi mahasiswa Program Pendas rata-rata 5 sampai dengan 8 semester, sedangkan lama studi mahasiswa Program Non Pendas kurang dari 6 semester. Dilihat dari indeks prestasi kumulatif (IPK), mahasiswa Program Pendas memiliki IPK yang lebih baik daripada mahasiswa Program Non Pendas. 4. Berdasarkan metode klasifikasi, terdapat 5 karakteristik mahasiswa Program Pendas dan 9 karakteristik mahasiswa Program Non Pendas yang diklasifikasikan ke dalam mahasiswa aktif, mahasiswa non aktif, dan mahasiswa yang lulus. Sementara itu, berdasarkan metode clustering untuk Program Pendas, mahasiswa yang aktif dikelompokkan ke dalam 5 cluster, mahasiswa non aktif 3 cluster, dan mahasiswa yang lulus 1 cluster. Sementara itu, untuk Program Non Pendas, mahasiswa yang aktif dikelompokkan ke dalam 6 cluster, mahasiswa yang non aktif 4 cluster, dan mahasiswa yang lulus 1 cluster. Mahasiswa non aktif yang paling banyak pada kedua program tersebut terdapat pada cluster 1 dan 3. 5. Pola keberlanjutan studi mahasiswa Program Pendas dan Program Non Pendas dapat digambarkan melalui survival tree. Terdapat 2 model survival tree yang dapat menggambarkan keberlanjutan studi dan peluang banyaknya mahasiswa yang mampu bertahan pada masa tertentu pada kedua program tersebut. Pengembagan aplikasi data mining yang akan dibuat diharapkan dapat membantu menghasilkan data yang informatif, akurat dan cepat dalam rangka pengambilan keputusan manajemen. Penggunaan aplikasi data mining ini dapat digunakan pada tingkat program studi, fakultas bahkan sampai universitas, sehingga dalam waktu yang singkat program studi, fakultas, dan universitas dapat mengambil keputusan yang cepat dan tepat sasaran dalam upaya meningkatkan kualitas dan angka partisipasi mahasiswa UT.

Actions (login required)

View Item