Dosen Pembimbing :
Muhammad Bachtiyar Rosyadi, S.Kom.
Di Susun Oleh :
M. Rizky Abriyanto S. (13.621.034)
BAB I
PENDAHULUAN
1.1
Latar Belakang
Beasiswa adalah pemberian berupa bantuan keuangan yang diberikan kepada
perorangan yang bertujuan untuk digunakan demi keberlangsungan pendidikan yang
ditempuh (Putranto, 2011). Pemberian beasiswa merupakan program kerja yang ada
di setiap universitas atau perguruan tinggi. Program beasiswa diadakan untuk
meringankan beban mahasiswa dalam menempuh masa studi kuliah khususnya dalam
masalah biaya. Pemberian beasiswa kepada mahasiswa dilakukan secara selektif
sesuai dengan jenis beasiswa yang diadakan. Universitas Muhammadiyah Gresik
menyediakan beberapa program beasiswa, sebagai contoh yaitu beasiswa Peningkatan
Prestasi Akademik, Beasiswa Bantuan Belajar Mahasiswa, beasiswa astra, dan lain
sebagainya. Indeks Prestasi Komulatif (IPK), jumlah tanggungan keluarga, dan
penghasilan total orang tua (penghasilan ayah ditambah penghasilan ibu) menjadi
kriteria dalam proses rekruitmen beasiswa.
Di Universitas Muhammadiyah Gresik proses seleksi penerimaan beasiswa
secara manual yaitu dengan menginputkan satu persatu data mahasiswa ke dalam file
spreadsheet kemudian melakukan sorting data mahasiswa seringkali menimbulkan
beberapa permasalahan, antara lain membutuhkan waktu yang lama dan ketelitian
yang tinggi. Selain itu, transparansi serta ketidakjelasan metodologi yang digunakan
dalam proses komputasi penerimaan beasiswa juga menjadi salah satu permasalahan,
sehingga dibutuhkan suatu sistem yang dapat membantu dalam proses pengambilan
keputusan siapa saja mahasiswa yang direkomendasikan menerima beasiswa
berdasarkan kriteria-kriteria yang telah ditentukan secara cepat dan tepat sasaran.
Dari permasalahan diatas Salah satu metode yang dapat digunakan untuk
menyelesaikan permasalahan tersebut adalah metode K-Means Clustering. K-Means
Clustering merupakan salah satu metode data clustering non hirarki yang berusaha
mempartisi data yang ada ke dalam bentuk satu atau lebih cluster/kelompok. Metode
ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki
karakteristik sama dikelompokkan ke dalam satu cluster yang sama.
Didasari dari permasalahan tersebut maka dapat dilakukan penelitian yang
berjudul "CLUSTERING PENERIMAAN BEASISWA KULIAH DI UNIVERSITAS
Rumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan sebelumnya, rumusan masalah yang
akan diselesaikan adalah bagaimana mengelompokkan data mahasiswa untuk
mendukung keputusan penentuan penerima beasiswa dengan metode K-Means
Clustering.
1.3
Batasan Masalah
Batasan masalah dalam tugas akhir ini adalah :
1. Kriteria yang digunakan dalam clustering antara lain Indeks Prestasi Kumulatif
(IPK), jumlah tanggungan keluarga, dan penghasilan total orang tua (penghasilan
ayah ditambah dengan penghasilan ibu).
2. Sistem bersifat general (tidak mengacu pada satu jenis beasiswa) dan hanya
melakukan clustering data mahasiswa berdasarkan kriteria-kriteria yang telah
disebutkan pada poin pertama, sedangkan keputusan penerima beasiswa
tergantung pada salah satu kriteria yang lebih diprioritaskan pada beasiswa
tersebut, yaitu salah satu dari prioritas kriteria IPK dan prioritas kriteria
penghasilan total orang tua dibagi dengan jumlah tanggungan keluarga.
3. Jumlah cluster yang akan digunakan pada kasus ini adalah tiga (3) berdasarkan
perhitungan validasi cluster optimal, yaitu mahasiswa yang direkomendasikan
menerima beasiswa, dipertimbangkan menerima beasiswa, dan tidak menerima
beasiswa.
4. Quota penerima beasiswa dan pendanaan tidak termasuk dalam pengklasteran.
1.4
Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah mengelompokkan data
mahasiswa untuk mendukung keputusan penetuan penerima beasiswa dengan metode
K-Means Clustering.
1.5
Manfaat Penelitian
Manfaat penelitian dalam tugas akhir ini adalah pendukung keputusan yang dihasilkan
diharapkan mampu membantu untuk membuat keputusan dalam menentukan
mahasiswa penerima beasiswa.
1.6
Sistematika Penulisan
Agar mudah dipahami, laporan ini dibuat dalam suatu sistematika penulisan yang
dapat dijadikan acuan mengenai keterkaitan antar bab yang ada dalam laporan,
dengan uraian sebagai berikut :
BAB 1 : PENDAHULUAN
Pada Bab ini menjelaskan paparan mengenai maksud dan tujuan penulisan
penelitian yang terdiri dari latar belakang, rumusan masalah, tujuan
penelitian, manfaat penelitian, metodologi penelitian, batasan penelitian dan
sistematika penelitian.
BAB 2 : LANDASAN TEORI
Pada Bab ini menjelaskan tentang dasar teori yang diperlukan serta literatur
yang mendukung dalam penelitian ini. diantaranya tinjauan pustaka dan
tinjauan studi.
BAB 3 : METODE PENELITIAN
Pada Bab ini menjelaskan tentang metode atau langkah-langkah dalam
pemecahan masalah.
BAB II
LANDASAN TEORI
2.1
Tinjauan Pustaka
2.1.1. Data Mining
Data mining adalah suatu proses ekstraksi atau penggalian data yang
belum diketahui sebelumnya, namun dapat dipahami dan berguna dari
database yang besar serta digunakan untuk membuat suatu keputusan bisnis
yang sangat penting (Connolly dan Begg, 2010).
Data mining sering juga disebut sebagai Knowledge Discovery in
Database (KDD). KDD adalah kegiatan yang meliputi pengumpulan,
pemakaian data, historis untuk menemukan keteraturan, pola atau hubungan
dalam set data berukuran besar (Santoso, 2007).
Pada prosesnya data mining akan mengekstrak informasi yang
berharga dengan cara menganalisis adanya pola-pola ataupun hubungan
keterkaitan tertentu dari data-data yang berukuran besar. Data mining
berkaitan dengan bidang ilmu-ilmu lain, seperti Database System, Data
Warehousing, Statistic, Machine Learning, Information Retrieval, dan
Komputasi Tingkat Tinggi. Selain itu data mining didukung oleh ilmu lain
seperti Neural Network, Pengenalan Pola, Spatial Data Analysis, Image
Database, Signal Processing.
Ada banyak metode atau fungsi data mining yang bisa digunakan
untuk menemukan, menggali dan menambang pengetahuan. Menurut (Larose,
2005), (Moertini, 2002) dan (Susanto & Suryadi, 2010) ada enam fungsi
utama data mining, yaitu :
1. Description (deskripsi), untuk memberi gambaran secara ringkas bagi
sekumpulan data yang jumlahnya sangat besar dan banyak jenisnya.
Termasuk dalam fungsi ini adalah metode Decision Tree, Neural Network,
danExploratory Data Analysis.
2. Estimation (estimasi), untuk menerka sebuah nilai yang belum diketahui,
misal menerka penghasilan seseorang ketika informasi mengenai orang
tersebut
diketahui.
Metode
yang
Interval
digunakan
antara
Estimations, Simple
lain Point
Linear
memiliki
karakteristik
diantaranya Hierarchical
tertentu.
Clustering,
Metode
dalam
metode K-Means,
fungsi
ini
dan Self
2.1.2. Clustering
Clustering adalah mengelompokkan item data ke dalam sejumlah kecil
grup sedemikian sehingga masing-masing grup mempunyai sesuatu persamaan
yang esensial (Andayani, 2007).
Ada beberapa pendekatan yang digunakan dalam mengembangkan
metode clustering. Dua pendekatan utama adalah clustering dengan
pendekatan partisi dan clustering dengan pendekatan hirarki. Clustering
dengan pendekatan partisi atau sering disebut dengan partition-based
clustering mengelompokkan data dengan memilah-milah data yang dianalisa
ke dalam cluster-cluster yang ada. Clustering dengan pendekatan hirarki atau
sering disebut dengan hierarchical clustering mengelompokkan data dengan
Dimana :
xi : data kriteria
j : centroid pada cluster ke-j
4. Mengklasifikasikan setiap data berdasarkan kedekatannya dengan centroid
(jarak terkecil).
YA
TIDAK
Kelompokkan obyek berdasarkan
jarak terkecil/minimum
END
2.1.4. Beasiswa
Beasiswa adalah pemberian berupa bantuan keuangan yang diberikan
kepada perorangan yang bertujuan untuk digunakan demi keberlangsungan
pendidikan yang ditempuh (Putranto, 2011).
Pemberian beasiswa merupakan program kerja yang ada di setiap
universitas atau perguruan tinggi. Program beasiswa diadakan untuk
meringankan beban mahasiswa dalam menempuh masa studi kuliah khususnya
dalam masalah biaya. Pemberian beasiswa kepada mahasiswa dilakukan
secara selektif sesuai dengan jenis beasiswa yang diadakan.
Adapun jenis beasiswa yang diselenggarakan antara lain Beasiswa
Peningkatan Prestasi Akademik (PPA), Beasiswa Bantuan Belajar Mahasiswa
(BBM), Beasiswa yang diberikan pihak swasta, seperti beasiswa djarum, astra,
dan sebagainya.
Tujuan diselenggarakan beasiswa antara lain (Dikti, 2011) :
1. Meningkatkan akses dan pemerataan kesempatan belajar di perguruan
tinggi bagi rakyat Indonesia.
2. Mengurangi jumlah mahasiswa yang putus kuliah, karena tidak mampu
membiayai pendidikan.
3. Meningkatkan prestasi dan motivasi mahasiswa, baik pada bidang
akademik/kurikuler, ko-kurikuler, maupun ekstrakurikuler.
teknologi,
seni/budaya
tingkat
internasional/dunia,
teknologi,
seni/budaya
tingkat
internasional/dunia,
2.2
2.2.1. PENGELOMPOKAN
PRESTASI
Tinjauan Studi
AKADEMIK
MAHASISWA
Dari
penelitian
yang
telah
dilakukan
bahwa
dengan
aplikasi
Rencana Penelitian
Proses seleksi penerimaan beasiswa dengan cara yang sudah ada yaitu dengan
menginputkan satu persatu data mahasiswa ke dalam file excel kemudian melakukan
sorting data mahasiswa menimbulkan beberapa permasalahan, antara lain
membutuhkan waktu yang lama dan ketelitian yang tinggi.
Salah satu cara untuk membantu dalam proses seleksi penerimaan beasiswa
adalah dengan cara mengelompokkan mahasiswa berdasarkan kriteriakriteria yang
telah ditentukan, antara lain IPK, jumlah tanggungan keluarga, dan penghasilan total
orang tua. Pengelompokan dilakukan dengan menerapkan algoritma K-Means
Clustering. Pengelompokan ini akan menunjukkan siapa saja yang akan masuk ke
dalam masing-masing kelompok.
Jumlah cluster yang digunakan pada kasus ini adalah tiga berdasarkan
perhitungan validasi cluster optimal, yaitu mahasiswa yang direkomendasikan
menerima beasiswa, dipertimbangkan menerima beasiswa, dan tidak menerima
beasiswa.
BAB III
ANALISIS DAN PERANCANGAN SISTEM
Metode yang digunakan untuk seleksi calon penerima beasiswa adalah metode
Clustering K-Means karena Metode ini termasuk dalam teknik penyekatan (partition)
yang membagi atau memisahkan objek ke k daerah bagian yang terpisah. Pada KMeans, setiap objek harus masuk dalam kelompok tertentu, tetapi dalam satu tahapan
proses tertentu, objek yang sudah masuk dalam satu kelompok, pada satu tahapan
berikutnya objek akan berpindah ke kelompok lain. hasil cluster dengan dengan
metode K-Means sangat bergantung pada nilai pusat kelompok awal yang diberikan.
dimana metode ini diharapkan dapat meningkatkan kinerja sistem dan memberikan
solusi dalam pengelompokan mahasiswa yang berhak menerima beasiswa kuliah Di
Universitas Muhammadiyah Gresik.
Hasil analisis yang sudah dikumpulkan dari proses penelitian adalah
dihasilkannya beberapa keputusan antara lain perlunya sistem yang diguanakan dalam
penentuan serta pengelompokan mahasiswa yang berhak menerima beasiswa.
Pembuatan laporan yang diharapkan dapat membantu pihak kampus dalam
memberikan beasiswa kuliah agar tepat sasaran dan sesuai kriteria yang ditentukan.
proses diterapkan. Desain ini dibuat berdasarkan spesifikasi sistem, model analisa
seperti yang dijelaskan dibawah ini :
Pemodelan
Data
3.4.1 Flowchart Perancangan
Sistem
Berikut ini adalah perancangan flowchart dari aplikasi sistem calon penerima
beasiswa kuliah :
Proses Clustering
Implementasi Sistem
Pengujian Clustering
FINISH
Admin
Field
Type Data
Id_admin
Integer
Nama
Varchar
Alamat
Varchar
Jabatan
Varchar
Tabel 3.1 Tabel Admin
Size
11
50
50
30
2. Tabel Mahasiswa
Nama Tabel : tb_mhs
Keterangan : Tabel ini adalah tabel untuk menyimpan data mahasiswa
seleksi beasiswa kuliah.
Key
PK
Field
Type Data
Nim
Integer
Nama
Varchar
Alamat
Varchar
Semester
Integer
IPK
Integer
Jml_total_kel
Integer
Gaji_ortu
Double
Total_gaji
Double
Tabel 3.2 Tabel Mahasiswa
Size
11
50
50
11
11
11
20
20
3. Tabel Dokumentasi
Nama Tabel : tb_dokumentasi
Keterangan : Tabel ini adalah tabel untuk menyimpan data dokumentasi
mahasiswa yang lolos seleksi beasiswa kuliah.
Key
PK
FK
Field
Type Data
Id_dok
Integer
Nim
Integer
Nama
Varchar
Alamat
Varchar
Semester
Integer
IPK
Integer
Jml_total_kel
Integer
Gaji_ortu
Double
Total_gaji
Double
Jenis_beasiswa
Varchar
Tabel 3.3 Tabel Dokumentasi
Size
11
11
50
50
11
11
11
20
20
30
4. Tabel Login
Nama Tabel : tb_login
Keterangan : Tabel ini adalah tabel untuk menyimpan data admin yang
login.
Key
PK
FK
Field
Type
Id_login
Integer
Username
Varchar
Password
Varchar
Id_Admin
Integer
Tabel 3.4 Tabel Login
Size
11
30
30
11
Username :
Password :
Gambar 3. FormLogin
Login Admin
tidak menerima beasiswa. Jumlah cluster tiga didasarkan pada perhitungan validasi
cluster optimal.
Sedangkan kriteria pokok yang digunakan dalam proses clustering adalah dua
kriteria yaitu IPK dan PO (penghasilan orangtua). Penentuan cluster mana yang
direkomendasikan menerima beasiswa didasarkan pada kriteria mana yang lebih
diprioritaskan, dan keputusan mahasiswa penerima beasiswa sepenuhnya berada
ditangan pengambil keputusan. Implementasi sistem menggunakan metode metode KMeans Clustering menghasilkan prototype sistem.
3.6 Gambaran Umum Sistem
Sistem penentuan penerima beasiswa merupakan sistem berbasis web yang
diharapkan dapat membantu mendukung keputusan untuk menetukan siapa saja
mahasiswa yang berhak untuk menerima beasiswa. Dalam sistem ini data mahasiswa
akan diolah menjadi beberapa kelompok data dengan metode K-Means Clustering.
Dari kelompok-kelompok tersebut kemudian diklasifikan menjadi kelompok yang
direkomendasikan menerima, dipertimbangkan menerima, dan tidak menerima
beasiswa. Selama ini, penentuan penerima beasiswa dilakukan dengan cara manual
dan seringkali menimbulkan beberapa permasalahan, antara lain membutuhkan waktu
yang lama dan ketelitian yang tinggi karena data mahasiswa akan dibandingkan
dengan kriteria beasiswa satu persatu.
Sistem penentuan penerima beasiswa ini dibangun dengan menggunakan
bahasa pemrograman PHP dan dilengkapi basis data MySql. Sebelum diolah dengan
metode K-means Clustering, data input disimpan ke sebuah database. Kemudian data
akan diolah oleh sistem dan hasilnya akan disimpan ke dalam database dan
ditampilkan pada user interface.
DAFTAR PUSTAKA
(diakses
pada