Pemetaan Mata Kuliah Yang Berpengaruh Pada Kelulusan Tidak Tepat Waktu Mahasiswa Informatika UMM Menggunakan SOM
Article Sidebar
Main Article Content
Abstract
Jumlah mahasiswa yang masuk tidak sebanding dengan jumlah mahasiswa yang keluar pada jurusan Informatika UMM, dimana mahasiswa Informatika UMM jumlah kelulusan tidak tepat waktunya kurang dari 15% dan rata-rata lulus pada semester 9 atau setara dengan 4,5 tahun. Hal ini menjadi perhatian khusus bagi pihak jurusan untuk terus meningkatkan kelulusan tepat waktu mahasiswa setiap tahunnya. Oleh karena itu, pada penelitian ini dilakukan untuk memetakan mata kuliah yang berpengaruh pada kelulusan mahasiswa Informatika UMM menggunakan Self Organizing Map (SOM). Jumlah variabel yang digunakan adalah 133 atribut. Hasil mapping menggunakan SOM menyatakan bahwa mata kuliah yang dapat memiliki nilai yang buruk pada masing-masing dataset yaitu Skripsi, Metode Penelitian II, Pengantar Topologi, dan Logika Informatika. Serta hasil mapping menggunakan SOM menyatakan bahwa program mata kuliah yang dapat memiliki nilai yang buruk pada masing-masing dataset yaitu Program Skripsi, Program Penulisan Ilmiah, Program Metode Penelitian II, Program Seminar, Program Pengantar Topologi. Hasil MSE terendah pada masing-masing dataset adalah 0,0086, 0,0017, 0,0155, 0,0045, 0,0172, 0,0057. Hasil pengujian Silhouette Coefficient pada masing-masing dataset adalah 0,42765, 0,66630 0,400413, 0,67106, 0,41219, 0,64439.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
V. Rahmayanti, S. Nastiti, Y. Azhar, and A. E. Pramudita, “Penerapan Algoritma C5 . 0 Pada Analisis Faktor-Faktor Pengaruh Kelulusan Tepat Waktu Mahasiswa Teknik Informatika Universitas Muhammadiyah Malang,” eprints UMM, pp. 0–9, 2020.
J. Qian et al., “Introducing self-organized maps (SOM) as a visualization tool for materials research and education,” Results Mater., p. 100020, 2019.
N. A. Hasibuan et al., “Implementasi Data Mining Untuk Pengaturan Layout,” vol. 4, no. 4, pp. 6–11, 2017.
Risnawati, “Analisis Kelulusan Mahasiswa Menggunakan Algoritma C.45,” J. Mantik Penusa, vol. 2, no. 1, pp. 71–76, 2018.
M. A. Sembiring and Z. Azhar, “Implementasi Metode Rough Set Untuk Menganalisa Laba/Rugi Pada Suatu Perusahaan Distributor (Studi Kasus : Usaha Kita Ps Payakumbuh),” pp. 1–6, 2013.
N. Saputra, K. Tania, and R. Heroza, “Penerapan Knowledge Management System (Kms) Menggunakan Teknik Knowledge Data Discovery (Kdd) Pada Pt Pln (Persero) Ws2Jb Rayon Kayu Agung,” J. Sist. Inf., vol. 8, no. 2, pp. 1038–1055, 2016.
P. Meilina, “Penerapan Data Mining Dengan Metode Klasifikasi Menggunakan Decision Tree dan Regresi,” J. Teknol., vol. 7, no. 1, pp. 11–20, 2015.
S. García, Intelligent Systems Reference Library 72 Data Preprocessing in Data Mining. 2015.
I. N. Syahfitri, “Penerapan Data Mining untuk Menentukan Besar Pinjaman pada Koperasi S impan Pinjam,” J. Inform. dan Sist. Inf. Univ. Ciputra, vol. 03, no. 02, pp. 18–27, 2017.
R. Rachmat, Y. H. Chrisnanto, F. R. Umbara, S. Informatika, U. Jenderal, and A. Yani, “Sistem Prediksi Mutu Air Di Perusahaan Daerah Air Minum Tirta Raharja Menggunakan K – Nearest Neighbors ( K – NN ),” pp. 189–193, 2020.
R. Sistem, “Analisis Pengaruh Data Scaling Terhadap Performa Algoritme Machine Learning untuk Identifikasi Tanaman,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 1, pp. 19–25, 2017.
D. A. Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN,” Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p. 78, 2019.
A. Ahmad, “Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning,” J. Teknol. Indones., no. October, p. 3, 2017.
D. Purnamasari, J. Henharta, Y. P. Sasmita, F. Ihsani, and I. W. S. Wicaksana, “Machine Learning ‘Get Easy Using WEKA,’” Dapur Buku, pp. 1–40, 2013.
M. I. Choldun and K. Surendro, “Klasifikasi Penelitian Dalam Deep Learning,” vol. 10, no. 1, 2018.
S. Desmanto, Irwan, and R. Angreni, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Citra Digital Dengan Ekstraksi Fitur Warna RGB,” J. Inform. dan Apl., vol. 1, no. x, pp. 1–9, 2015.
P. W. W. Dars, “Klasterisasi Daerah Pemasok Sampah Terbesar ke TPA Klotok di Kota Kediri dengan Metode K-Means,” simki.unpkediri.ac.id, p. 8, 2017.
S. M. Guthikonda, “Kohonen Self-Organizing Maps,” no. December, 2005.
A. Ali Hameed, B. Karlik, M. S. Salman, and G. Eleyan, “Robust adaptive learning approach to self-organizing maps,” Knowledge-Based Syst., vol. 171, pp. 25–36, 2019.
V. Chaudhary, R. S. Bhatia, and A. K. Ahlawat, “A novel Self-Organizing Map (SOM) learning algorithm with nearest and farthest neurons,” Alexandria Eng. J., vol. 53, no. 4, pp. 827–831, 2014.
R. A. Malik, S. Defit, and Yuhandri, “PERBANDINGAN ALGORITMA K-MEANS CLUSTERING DENGAN FUZZY C- MEANS DALAM MENGUKUR TINGKAT KEPUASAN TERHADAP TELEVISI DAKWAH SURAU TV,” vol. 3, no. 1, pp. 10–21, 2018.
T. Setiyorini, “Penerapan Metode Bagging untuk Mengurangi Data Noise pada Neural Network untuk Estimasi Kuat Tekan Beton,” J. Intell. Syst., vol. 1, no. 1, pp. 37–42, 2015.
M. Huda and U. G. Mada, “Model Prediksi Kebutuhan Bahan Baku Pada Cafe Menggunakan Algoritma Fuzzy Tsukamoto,” pp. 8–9, 2018.
M. Anggara, H. Sujiani, and N. Helfi, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–6, 2016.
T. S. Nurjanah and E. Insanudin, “Hack Database Website Menggunakan Python dan Sqlmap Pada Windows Hack Database Website Menggunakan Python dan Sqlmap Pada Windows Abstrak,” no. May, pp. 0–7, 2016.
B. Menggunakan and B. Pemrograman, Pendekatan Machine Learning dalam Pengenalan Bahasa Isyarat Indonesia Pendekatan Machine Learning dalam Pengenalan Bahasa Isyarat Indonesia ( BISINDO ) Menggunakan Bahasa Pemrograman Python Tri Handhika Ilmiyati Sari Dewi Putrie Lestari Penerbit Sanga San, no. November. 2018.
J. C. Manggala, “IMPLEMENTASI GoBGP SEBAGAI APLIKASI CONTROL PLAN PADA DOCKER CONTAINER,” eprints UMM, no. 9, pp. 1689–1699, 2019.
Z. Hussain and M. Siyab Khan, “Introducing Python Programming for Engineering Scholars,” IJCSNS Int. J. Comput. Sci. Netw. Secur., vol. 18, no. 12, 2018.