TUGAS 2

DECISION SUPPORT SYSTEM

MTI - 36

Artificial intelligence, data mining dan machine learning berperan penting dalam
pengembangan intelligent decision support system (IDSS). Pada tugas ke-2 ini, carilah 1
(satu) artike dari jurnal (boleh bahasa Inggris maupun bahasa Indonesia) yang relevan dengan
IDSS tersebut dan mengandung metode- metode di dalam artificial intelligence, data mining
dan machine learning. Lakukan review singkat dari artikel yang Anda pilih tersebut. Tuliskan
hasil review Anda dengan sistematika sebagai berikut:
1. Identitas artikel dengan format: Nama penulis, judul, nama jurnal, volume, nomor/issue,
halaman, tahun, nama publisher.
2. Tuliskan topik IDSS yang dibahas di dalam artikel.
3. Tuliskan ruang lingkup permasalahan yang diselesaikan atau keputusan yang dihasilkan
di dalam artikel tersebut.
4. Tuliskan metode yang diusulkan untuk menyelesaikan permasalahan atau menghasilkan
keputusan tersebut.
5. Berikan deskripsi bagaimana metode tersebut di terapkan (boleh disertai model dan
contoh penerapan).
6. Tuliskan apa kelemahan dan kelebihan metode tersebut.

Ketentuan tugas:
• Tugas dibuat dalam bentuk file .pdf dan diberi nama file: NIManda_Tugas2.pdf
• Tugas di upload melalui sistem kulino pada link yang sudah disediakan.
• Batas akhir upload tugas: Hari Sabtu, 10 April 2021, Jam 18.00 WIB. Setelah tanggal
dan jam tersebut sistem upload akan tertutup secara otomatis.
• Artikel yang direview wajib berbeda antar mahasiswa satu dengan yang lain. Mahasiswa
disarankan untuk berkoordinasi dengan mahasiswa lain agar tidak terjadi duplikasi. Jika
ada artikel dan/atau review yang sama maka nilai tugas akan dibagi merata sesuai
banyaknya mahasiswa dengan kesamaan artikel tersebut.

--o0o--
TUGAS 2 : DECISION SUPPORT SYSTEM
P31.2019.02272 – Nur Arif Setiawan

1. Identifikasi Artikel
Nama Penulis Christin Nandari Dengen, Kusrini2, dan Emha Taufiq Luthfi

Judul Implementasi Decision Tree Untuk Prediksi Kelulusan

Mahasiswa Tepat Waktu
Nama Jurnal Jurnal Ilmiah SISFOTENIKA
Volume Vol. 10
Nomor/Issue Vol.10 No.1 (2020)
Halaman 1-11
Tahun 2020
Nama Publisher SISFOTENIKA STMIK Pontianak

2. Topik Jurnal
Topik Jurnal Decision Three

Bidang Penelitan Data Mining

Objek Penelitian Teknik Informatika Universitas Mulawarman

Dataset Private
Permasalahan Banyak mahasiswa yang tidak lulus tepat waktu

Tujuan penelitian Membantu mahasiswa untuk memprediksi kelululusan agar

meminimalisir mahasiswa yang tidak lulus tepat waktu
Solusi Implementasi Decision Tree untuk Prediksi Kelulusan

3. Ruang Lingkup
Decision tree merupakan salah satu algoritma yang dapat digunakan dalam
pembentukan pohon keputusan. Dalam penelitian ini menggunakan decision tree,
karena sesuai kebutuhan dimana hasil akhir berupa keputusan terhadap prediksi
kelulusan mahasiswa. Decision tree juga memiliki tingkat akurasi yang lebih tinggi
saat diaplikasikan untuk jumlah data yang besar dibandingkan algoritma pohon
keputusan yang lain dan dapat menghasilkan pohon keputusan yang mudah
diinterpretasika

Tujuan penelitian ini yaitu menghasilkan penelitian yang membentuk Decision

Support System (DSS). Hasil dari analisa diterapkan sebagai dasar perancangan pada
system pengambil keputusan untuk mengidentifikasi dan mengklasifikasi kelulusan
mahasiswa tepat waktu dan tidak tepat waktu. Manfaat dari penelitian ini yaitu
 diharapkan dengan adanya penelitian ini dapat menjadi bahan pembelajaran bagi
pihak fakultas dalam membimbing mahasiswa agar dapat lulus tepat waktu.
4. Metode
Penelitian ini menggunakan metode CRISP-DM, metode tersebut menyediakan
standar proses baku untuk data mining yang dapat diterapkan ke dalam strategi
pemecahan masalah umum pada bisnis atau pada unit penelitian

5. Penerapan Metode
Penerpan Model standarisasi data mining yaitu CRISP-DM (Cross
Industry Standar Process for Data Mining), dengan beberapa tahapan sebagai berikut :
a. Pemahaman Bisnis
Penulis mengedepankan penentuan tujuan proyek dan kebutuhan lengkap dalam
memahami proses bisnis atau tujuan bisnis mengenai penelitian tersebut. Setelah
itu, penelitian tersebut mampu mengolah sebuah data yang didapatkan dari
program studi menjadi sebuah formula atau rules.
b. Pemahaman Data
Penelitian ini menggunakan sumber data primer, yaitu data-data yang didapatkan
dari database universitas X dan data sekunder, yaitu data-data yang didapatkan
secara tidak langsung berupa buku, jurnal dan lain sebagainya.
c. Pengolahan Data
Pengolahan data berlangsung dari data mentah menjadi data bentuk hasil
normalisasi. Berikut penjelasan dalam tahapan pengolahan data.
 Data cleaning and data selection, merupakan tahapan awal dalam memproses
data mining. Kegiatan ini bertujuan untuk membuang atribut yang tidak
dibutuhkan agar lebih efisien.
 Data integration and data transformation, merupakan tahap selanjutnya dalam
proses data mining yaitu memindahkan database dan memproses transformasi
data.
 Data relection, yaitu penggunaan data sesuai dengan atribut dan jumlah
record yang dibutuhkan. Jadi, terdapat beberapa bagian field yang perlu
dihilangkan karena tidak lengkapnya data atau kurang relevan dalam
penelitian.
d. Pemodelan
Tahap awal dilakukan pemrosesan data set seperti, konversi data dan replacing
data, kemudian dilakukan pemodelan menggunakan algoritma C4.5.
e. Evaluasi
Dilakukan validasi, yaitu pengukuran akurasi dari hasil sebuah pemodelan
algoritma yang digunakan dengan memanfaatkan tools WeKa.
f. Penyebaran
Penulis menghasilkan penelitian yang membentuk Decision Support System
(DSS). Hasil dari analisa diterapkan sebagai dasar perancangan pada system
pengambil keputusan untuk mengidentifikasi dan mengklasifikasi kelulusan
mahasiswa tepat waktu dan tidak tepat waktu.
Berdasarkan gambar disamping, maka langkah-langkah metode dapat dijelaskan
sebagai berikut:
 Data yang akan diimplementasikan sebagai data penelitian adalah
data kelulusan yang sudah disiapkan ditahun tahun sebelumnya.
 Data diolah dengan cara pre-processing, yaitu dengan seleksi data,
transformasi data dan reduksi data. Pengolahan tersebut dilakukan
supaya data terhindar dari missing value (data yang kurang
lengkap).
 Tahap selanjutnya setelah dilakukan data pre-processing, maka
akan menghasilkan data training yang siap diolah di tahap
berikutnya.
 Pada tahap ini dilakukan perhitungan manual dengan mulai
menghitung entropy dan gain berdasarkan data pre-processing.
 Hasil dari perhitungan tersebut diselaraskan dengan hasil yang
dilakukan dalam tools WeKa.
 Dalam tools tersebut dilakukan proses mengolah data sesuai
dengan algoritma yang digunakan yaitu algoritma C4.5.
 Dilakukan simulasi untuk melihat presentase akurasi data yang di
dapat dari algoritma tersebut. h. Ouput akan memperlihatkan hasil
dari pengolahan data tersebut dalam aplikasi WeKa
6. Kelemahan dan kelebihan metode
Berdasarkan hasil penelitian yang telah dilakukan, maka dapat ditarik kesimpulan
bahwa Decision tree dapat diterapkan untuk prediksi kelulusan mahasiswa tepat
waktu di Program Studi Teknik Informatika Universitas Mulawarman dengan tingkat
akurasi sebesar 60%, Adapun kelemahan dan kelebihan algoritma ini sebagai
berikut :
a. kelebihan
 mudah dimengerti dan dianalisis
 bisa dibuat secara numerik atau kategorik
 hanya memerlukan sedikit pemrosesan data di awal pembuatan
 mudah untuk dibuat kesimpulan
b. kekurangan
 overfitting
 rentan terhadap kesalahan dalam masalah klasifikasi karena ada banyak
pilihan
 penghitungan bisa menjadi sangat kompleks, terutama jika banyak nilai tidak
pasti