Abstrak –Pemerintah melalui Kementerian Melihat pada pasal 1 ayat 3 yang berbunyi, “Uang kuliah
Pendidikan dan Kebudayaan mengeluarkan peraturan tunggal merupakan sebagian biaya kuliah tunggal yang
Nomor 55 Tahun 2013 tentang Biaya Kuliah Tunggal ditanggung setiap mahasiswa berdasarkan kemampuan
dan Uang Kuliah Tunggal pada PTN di lingkungan ekonominya”. Biaya kuliah tunggal merupakan seluruh
Kemendikbud. Penentuan UKT dilakukan dengan biaya operasional per mahasiswa per semester pada
wawancara dan mengisi formulir yang disediakan oleh program studi di perguruan tinggi negeri dan uang kuliah
pihak kampus. Pada saat penerimaan Mahasiswa tunggal (UKT) ditetapkan berdasarkan biaya kuliah
barupihak kampus akan mengalami kesulitan dan tunggal dikurangi dengan biaya yang ditanggung oleh
memerlukan waktu yang cukup lama dalam pemerintah. Dengan itu, Mahasiswa baru cukup membayar
menentukan kategori UKT yang tepat karena jumlah uang kuliah tunggal disetiap semesternya dan tidak perlu
mahasiswa yang begitu banyak. Oleh karena itu, lagi membayar biaya-biaya lainnya seperti biaya
dengan menggunakan teknik data mining akan praktikum, yudisium, kuliah kerja nyata, wisuda dan lain
mempermudah dalam penetapan kelompok UKT sebagainya. Namun, akan muncul rasa ketidakadilan jika
dengan menerapkan algoritma C4.5 dengan delapan dilihat dari sudut pandang besaran biaya yang harus
parameter sebagai inputan yang diambil dari data dibayar oleh mahasiswa yang kondisi ekonominya
mahasiswa. Pada penelitian ini dilakukan dua menengah keatas dengan mahasiswa yang kondisi
percobaan, untuk percobaan pertama dilakukan ekonominya menengah kebawah dan akan menimbulkan
dengan jumlah data 80 dengan hasil akurasi sebesar kesan program studi mahal dan program studi murah.
50% dan percobaan kedua dengan jumlah data 115 UKT bertujuan untuk membantu orang yang kurang
dengan hasil akurasi sebesar 52,63%. Dari penelitian mampu, artinya subsidi silang. Pada kenyataannya di
tersebut diketahui jumlah data sangat berpengaruh lapangan, masih banyak mahasiswa dengan kondisi
dalam hasil pengujian. ekonomi lemah dikenai UKT dengan tarif tinggi dan
Kata kunci :UKT, Data mining, Algoritma C4.5. begitupun sebaliknya. Penentuan golongan UKT dilakukan
dengan wawancara dan mengisi formulir yang disediakan
I. PENDAHULUAN oleh pihak kampus pada saat pendaftaran kembali, lalu
Kuliah merupakan proses pembelajaran tingkat lanjut diverifikasi. Ini menjadi permasalahan yang baru ketika
untuk membentuk diri dalam meningkatkan ilmu, mulai memasuki masa penerimaan mahasiswa baru.
wawasan, minat dan bakat serta kemampuan seseorang Mengingat jumlah mahasiswa yang begitu banyak, pihak
dengan pilihan jurusan atau keahlian yang diinginkan. universitas akan kesulitan dan memerlukan waktu yang
Tetapi, untuk mengenyam pendidikan tinggi diperlukan cukup lama untuk menentukan kategori yang tepat dalam
perencanaan keuangan untuk biaya perkuliahan. Setiap penetapan UKT pada setiap mahasiswa.
universitas dan fakultas berbeda-beda dalam penetapan Untuk membantu penetapan kategori yang tepat pada
uang pangkal dan setiap tahunnya mengalami setiap mahasiswa, dapat digunakan pendekatan Data
kenaikan.Oleh karena itu, Pemerintah melalui Direktorat Mining dengan algoritma tertentu. Dimana, Data Mining
Jendral Pendidikan Tinggi Kementerian Pendidikan dan merupakan suatu proses untuk menemukan informasi yang
Kebudayaan mengharuskan setiap perguruan tinggi negeri bermanfaat dari sekumpulan data yang besar. Ada
meniadakan uang pangkal perkuliahan. beberapa faktor yang mempengaruhi penetapan UKT
Kebijakan ini mengacu kepada Peraturan Menteri tersebut, antara lain kondisi orang tua, pendidikan orang
Pendidikan dan Kebudayaan Republik Indonesia Nomor tua, pekerjaan orang tua, penghasilan orang tua, jumlah
55 Tahun 2013 tentang Biaya Kuliah Tunggal dan Uang tanggungan, dan kepemilikan rumah. Jadi, dari kumpulan
Kuliah Tunggal pada Perguruan Tinggi Negeri di data historis penulis dapat menetapkan UKT bagi
Lingkungan Kementerian Pendidikan dan Kebudayaan.
mahasiswa baru yang diterima di Universitas Sam • Proses penemuan informasi otomatis dengan
Ratulangi. mengidentifikasi pola dan hubungan “tersembunyi”
dalam data.
II. LANDASAN TEORI C. Metode Decision Tree
2) Data Transformation
Pada tahap ini data yang sudah diseleksi sebelumnya,
ditransformasikan dari data numerik mejadi datastring
seperti untuk atribut penghasilan ayah dan ibu dari
nominal diubah menjadi golongan satu sampai dengan
golongan duabelas sesuai dengan nominal yang telah
ditentukan.
Tabel 3. Transformasi Data
pred.
54.17
Kelompok 13 1 4 5 1
%
_dua
pred.
0.00
Kelompok 0 0 0 0 0
%
_lima
Gambar 8.Interface Beranda
Berdasarkan proses pengolahan data kelas dari uang kuliah tunggal yang telah ditentukan
menggunakan Algoritma C4.5 yang telah dengan data training yang telah diperoleh. Perbedaan
menghasilkan pohon keputusan dan rule yang telah pohon keputusan yang dihasilkan disebabkan oleh
terbentuk, selanjutnya akan diimplementasikan rule perbedaan jumlah data yang digunakan dalam membagun
tersebut untuk membuat aplikasi penentuan besaran model.
UKT. Dari hasil pengujian dapat diketahui tingkat akurasi
Gambar 8 adalah interface beranda yang akan dari algoritma C4.5 menggunakan confusion matrix
pertama muncul ketika sistem dijalankan. Pada dengan jumlah data 80 menunjukkan bahwa tingkat
tampilan ini pula akan ditampilkan form untuk akurasinya 50%, yang terdiri dari 50% untuk data training
mengetahui nilai UKT yang harus dibayar oleh dan 50% untuk data testing. Sedangkan untuk hasil
mahasiswa baru ketika akan mendaftar dengan pengujian dengan jumlah data 115 menunjukkan bahwa
memasukkan data yang baru. tingkat akurasinya sebesar 52.63%. Dimana jumlah data
sangat berpengaruh dalam proses pembentukan model dan
proses pengujian model.
B. Saran
Untuk meningkatkan kinerja dan menyempurnakan
penelitian yang telah dibuat, peneliti memberikan saran
sebagai berikut:
1. Penelitian ini dapat dikembangkan dengan
menggabungkan atau membandingkan dengan
algoritma klasifikasi lain untuk mendapatkan hasil
Gambar 9.Hasil UKT setelah memasukkan data baru
prediksi yang lebih baik.
Gambar9 merupakan hasil kelompok UKT dari data 2. Sebaiknya jumlah data kuisioner ditambah, sehingga
mahasiswa baru dengan hasil UKT berada pada kelompok dapat diperoleh hasil akurasi yang lebih baik.
satu. Dimana, kelompok satu jumlah UKT-nya berada 3. Aplikasi ini dapat dikembangkan menjadi otomatis
pada rentang 0 – 3.000.000. dengan menerapkan algoritma C4.5 dalam aplikasi
tanpa memperbaharui kembali aturan ketika ada data
baru yang masuk.
DAFTAR PUSTAKA