PROYEK PROPOSAL MINI

FAKTOR - FAKTOR YANG

MEMPENGARUHI NILAI AKHIR SISWA

Nama Mahasiswa
FARROS TAUFIQUR RAHMAN (1929140002)

Logo Perguruan Tinggi

PROGRAM S1 PRODI TEKNIK KOMPUTER

JURUSAN TEKNIK INFORMATIKA DAN KOMPUTER
FAKULTAS TEKNIK
UNIVERSITAS NEGERI MAKASSAR
2021

i
 FAKTOR - FAKTOR YANG
MEMPENGARUHI NILAI AKHIR SISWA

Proposal Mini Proyek Penelitian

Sebagai Salah Satu Syarat untuk Lulus

Mata Kuliah Metodologi Penelitian

Program Studi

S1 Teknik Komputer

Disusun dan Diajukan oleh

FARROS TAUFIQUR RAHMAN

kepada

PROGRAM S1 PRODI TEKNIK KOMPUTER

JURUSAN TEKNIK INFORMATIKA DAN KOMPUTER
FAKULTAS TEKNIK
UNIVERSITAS NEGERI MAKASSAR
2021

ii
 DAFTAR ISI

SAMPUL………………………………………………………………. i
HALAMAN SAMPUL………………………………………..………. ii
DAFTAR ISI…………………………………………………..………. iii
BAB I PENDAHULUAN………………………………………...…… 1
BAB II LITERATUR REVIEW……………………………….…….. 2
Pendidikan……………………………………………….……………. 2
Dataset…………………………………………………………………. 2
Metode Random Forest………………………………………………. 2
BAB III METODE PENELITIAN………………………................... 4
1. Waktu dan Tempat Penelitian…………………………………….. 4
2. Fokus Penelitian……………………………….…………………… 4
3. Sumber Data………………………………………………………… 4
4. Ruang Lingkup Penelitian dan Metodologi Penelitian…………… 4
KESIMPULAN………………………………………………………… 10
DAFTAR PUSTAKA…………………………………………………. 11

iii
 BAB I PENDAHULUAN

Pada dasarnya pengertian pendidikan ( UU SISDIKNAS No.20 tahun 2003 ) adalah usaha sadar dan
terencana untuk mewujudkan suasana belajar dan proses pembelajaran agar peserta didik secara aktif
mengembangkan potensi dirinya untuk memiliki kekuatan spiritual keagamaan, pengendalian diri,
kepribadian, kecerdasan, akhlak mulia, serta keterampilan yang diperlukan dirinya dan masyarakat.
(disdikpora, 2014)

Bagi negara berkembang, Pendidikan dipandang sebagai alat yang paling ampuh untuk menyiapkan
tenaga yang terampil dan ahli dalam segala sektor pembangunan. Kekayaan alam hanya mengandung
arti bila didukung oleh keahlian. Maka dari itu manusia merupakan sumber utama bagi pembanguna
negara. Pendidikan merupakan fenomena manusia yang fundamental yang juga mempunyai sifat
konstruktif dalam hidup manusia. Bagi manusia, Pendidikan itu merupakan suatu keharusan, karena
Pendidikan manusia akan memiliki kemampuan dan kepribadian

1
 BAB II LITERATUR REVIEW

Pendidikan

Sesuai dengan Undang-Undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional bahwa
Pendidikan Nasional bertujuan mengembangkan potensi peserta didik agar menjadi manusia yang
beriman dan bertaqwa kepada Tuhan Yang Maha Esa, berakhlak mulia, sehat, berilmu, cakap, kreatif,
mandiri, dan menjadi warga negara yang demokratis dan peka terhadap tantangan zaman. Tujuan
Pendidikan merupakan tujuan yang hendak dicapai melalui upaya Pendidikan secara menyeluruh.
Tujuan Pendidikan ini merupakan tujuan Bersama yang telah ditetapkan oleh pemerintah dan tertera
dalam Garis-garis Besar Haluan Negara (GBHN)

Menurut kamus Bahasa Indonesia Kata pendidikan berasal dari kata ‘didik’ dan mendapat imbuhan
‘pe’ dan akhiran ‘an’, maka kata ini mempunyai arti proses atau cara atau perbuatan mendidik. Secara
bahasa definisi pendidikan adalah proses pengubahan sikap dan tata laku seseorang atau kelompok
orang dalam usaha mendewasakan manusiamelalui upaya pengajaran dan pelatihan.

Ki Hajar Dewantara (Bapak Pendidikan Nasional Indonesia, 1889 – 1959) menjelaskan tentang
pengertian pendidikan yaitu: “Pendidikan umumnya berarti daya upaya untuk memajukan budi pekerti
( karakter, kekuatan bathin), pikiran (intellect) dan jasmani anak-anak selaras dengan alam dan
masyarakatnya”. (Nurrofiq, 2012)

John Stuart Mill (filosof Inggris, 1806-1873 M) menjabarkan bahwa Pendidikan itu meliputi segala
sesuatu yang dikerjakan oleh seseorang untuk dirinya atau yang dikerjakan oleh orang lain untuk dia,
dengan tujuan mendekatkan dia kepada tingkat kesempurnaan.

Pendidikan, menurut H. Horne, adalah proses yang terus menerus (abadi) dari penyesuaian yang lebih
tinggi bagi makhluk manusia yang telah berkembang secara fisik dan mental, yang bebas dan sadar
kepada vtuhan, seperti termanifestasi dalam alam sekitar intelektual, emosional dan kemanusiaan dari
manusia.

Dataset

Dataset adalah sebuah kumpulan data yang bersifat sebagai himpunan data yang dikelola menjadi
sebuah informasi baru dengan mengguanakan Teknik pembelajaran supervised learning dimana
digunakan untuk sistem prediksi sebagai acuan pendukung keputusan.

Kaggle adalah situs dan platform untuk berlomba membuat model terbaik untuk menganalisa dan
memprediksi dataset. Dataset yang diberikan oleh suatu perusahaan dengan suatu deskripsi masalah
tertentu. Banyak perusahaan yang mempunyai permasalahan Analisa atau pemodelan data, namun
mereka tidak punya sumber daya data scientist yang mumpuni untuk memecahkannya. Dengan
Kaggle, mereka bisa meminta bantuan data scientist seluruh dunia untuk memecahkan masalah
tersebut dengan membuat model terbaik.

Metode Random Forest

Metode Random Forest merupakan salah satu metode dalam Decision Tree. Decision Tree atau
pohon pengambil keputusan adalah sebuah diagram alir yang berbentuk seperti pohon yang memiliki
sebuah root node yang digunakan untuk mengumpulkan data, Sebuah inner node yang berada pada

2
root node yang berisi tentang pertanyaan tentang data dan sebuah leaf node yang digunakan untuk
memecahkan masalah serta membuat keputusan. Decision tree mengklasifikasikan suatu sampel data
yang belum diketahui kelasnya kedalam kelas – kelas yang ada. Penggunaan decision tree agar dapat
menghindari overfitting pada sebuah set data saat mencapai akurasi yang maksimum.

Random forest adalah kombinasi dari masing – masing tree yang baik kemudian dikombinasikan ke
dalam satu model. Random Forest bergantung pada sebuah nilai vector random dengan distribusi yang
sama pada semua pohon yang masing masing decision tree memiliki kedalaman yang maksimal.
Random forest adalah classifier yang terdiri dari classifier yang berbentuk pohon {h(x, θ k ), k =
1, . . .} dimana θk adalah random vector yang diditribusikan secara independen dan masing masing
tree pada sebuah unit kan memilih class yang paling popular pada input x. (r, 2018)

3
 BAB III METODE PENELITIAN

1. Waktu dan Tempat Penelitian

Penelitian dilakukan dengan menggunakan Google Colab sebagai tempat penelitian, Google Colab
mempunyai fungsi sebagai compiler python dengan keuntungan yaitu tidak memerlukan konfigurasi
dan akses gratis ke GPU online

2. Fokus Penelitian

Pada penelitian ini berfokus untuk menganalisa dataset dan mengetahui hubungan antar atribut yang
nantinya akan diketahui atribut mana yang paling mempengaruhi nilai akhir siswa.

3. Sumber Data

Dataset yang digunakan dalam penelitian ini berasal dari Kaggle dengan judul “Student Alcohol
Consumption” dari UCI Machine Learning. Data ini dikumpulkan dari survei nilai matematika dan
Bahasa Portugal siswa disuatu SMA diportugal. Didalamnya terdapat interaksi sosial, gender, dan
informasi belajar siswa. Dataset ini terdiri dari 33 atribut dan 649 baris. (Learning, 2016)

4. Ruang Lingkup Penelitian dan Metodologi Penelitian

Adapun untuk ruang lingkup penelitian dan metodologi penelitian yang akan dipergunakan sebagai
berikut:

a. Ruang Lingkup Penelitian

Metode yang digunakan dalam penelitian ini adalah metode Random Forest yang akan digunakan
untuk mengetahui atribut mana yang paling berat untuk memprediksi nilai akhir. Terdapat 3
pendekatan yang akan digunakan yaitu Sci-kit learn Feature Importance, Permutation Feature
Importance, dan Drop Column Feature Importance.

b. Metodologi Penelitian

Adapun metodologi yang akan dipergunakan dalam penelitian sebagai berikut:

1. Membuat dokumen Google Colab baru. (Farros, 2021)

2. Memasukkan library yang digunakan.

4
3. Memasukkan fungsi yang digunakan.

4. Menyambungkan ke drive lalu memasukkan dataset yang akan digunakan.

5
5. Membagi atribut dataset berdasarkan jenisnya yaitu kontinyu, ordinal, nominal, dan binary.

6. Merapikan data dengan cara merubah nilai dari setiap atribut yang mempunyai nilai bentuk string
ke bentuk angka

7. Menggunakan 3 pendekatan untuk mengetahui atribut yang paling berat yaitu :

6
a. Sci-kit Learn Feature Importance

7
b. Permutation Feature Importance

8
c. Drop Columns Feature Importance

10. Memberikan kesimpulan.

9
 KESIMPULAN

1. Dari pendekatan Sci-kit didapatkan hasil yaitu ada 7 atribut paling atas adalah school, higher, dalc,
schoolsup, age, walc, dan fedu

2. Dari pendekatan Permutation didapatkan hasil yaitu ada 7 atribut paling atas adalah school, higher,
dalc, schoolsup, fedu, walc, dan medu. Dipendekatan ini didapati 6 dari 7 atribut yang sama dari
pendekatan sebelumnya, dan age digantikan oleh medu

3. Dari pendekatan Drop Columns didapatkan hasil yaitu ada 7 atribut paling atas adalah higher,
school, schoolsup, dalc, fedu, reason_other, dan reason_reputation. Dipendekatan ini atribut paling
penting adalah higher, setelah itu ada atribut dari pendekatan sebelumnya, tapi terdapat atribut
reason_other dan reason_reputation yang menggantikan age, walc, dan medu.

4. Dari pendekatan Drop Columns didapatkan juga hasil yaitu ada beberapa yang memiliki nilai
negatif, 3 atribut paling negatif adalah sex, activities, famsup yang artinya 3 atribut ini tidak penting
dan dapat dihapuskan.

5. Setelah mendapatkan hasil dari seluruh pendekatan, maka dapat disimpulkan atribut yang paling
mempengaruhi nilai akhir adalah school, higher, dalc, schoolsup, fedu, walc, dan age

10
 DAFTAR PUSTAKA
disdikpora, A. (2014, 11 6). Definisi Pendidikan Menurut UU No.20 Th 2003. Retrieved from Dinas
Pendidikan Pemuda dan Olahraga:
https://disdikpora.bulelengkab.go.id/informasi/detail/artikel/definisi-pendidikan-menurut-
uu-no-20-th-2003-79

Farros. (2021, 11 21). farros_random-forest. Retrieved from Google Colab:

https://colab.research.google.com/drive/11B2GPKi6rGIf3TVgVsbXkAA4H9ZwT8dI#scrollTo=I
dw1cMwBtm3w

Learning, U. M. (2016, 10 19). Student Alcohol Consumption. Retrieved from Kaggle:

https://www.kaggle.com/uciml/student-alcohol-consumption

Nurrofiq, M. (2012, 6 14). Pengertian Pendidikan menurut Ki Hajar Dewantara. Retrieved from
DIWARTA NEWS: https://www.diwarta.com/2012/06/14/pengertian-pendidikan-menurut-
ki-hajar-dewantara.html

r, a. y. (2018, 7 28). Random Forest. Retrieved from UNIVERSITAS GADJAH MADA MENARA ILMU
MACHINE LEARNING: https://machinelearning.mipa.ugm.ac.id/2018/07/28/random-forest/

11