KOMENTAR DATA MINING MENGENAI PEMANFAATAN DATA

SCIENCE DALAM PENDIDIKAN

RIZKY PRATAMA
5170311050

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS BISNIS & TEKNOLOGI INFORMASI
UNIVERSITAS TEKNOLOGI YOGYAKARTA
2020
 Dengan perkembangan zaman yang semakin canggih dan teknologi pengumpulan data
yang dapat memudahkan kita untuk mengumpulkan sejumlah data berukuran besar. Data mining
tersebut memiliki fungsi terpenting yaitu untuk membantu mendapatkan informasi serta
meningkatkan pengetahuan bagi penggunanya.
Maka sudah tidak asing lagi dengan kata Data Mining, karena data mining merupakan
campuran metode-metode analisis data maupun algoritma untuk memproses data yang berukuran
besar. Untuk pemilihan metode dan algoritma bergantung pada tujuan dan proses Knowledge
Data Discovery secara keseluruhannya. Data mining tersebut memiliki macam-macam
implementasi dalam kehidupan sehari-hari yaitu pada bidang kesehatan, pendidikan, dan
perdagangan.
Pendidikan merupakan salah satu faktor kesuksesan dalam hidup. Dengan adanya
pendidikan maka seseorang dapat memiliki kecerdasan, keterampilan, dan kepribadian yang
dapat bermanfaat bagi diri sendiri dan masyarakat. Tetapi ada juga faktor lain yang dapat
menghambat pendidikan yaitu faktor ekonomi orang tua, walaupun rendahnya ekonomi orang
tua kita tidak boleh patah semangat untuk meraih kesuksesan.
Dalam data mining dibidang pendidikan biasanya menggunakan Decision tree dengan
algoritma C.45 merupakan salah satu metode klasifikasi yang menggunakan representasi struktur
pohon (tree) dimana setiap node merepresentasikan atribut, cabangnya merepresentasikan nilai
dari atribut, dan daun merepresentasikan kelas. Node yang paling atas dari decision tree disebut
sebagai root. Pada decision tree terdapat 3 jenis node, yaitu:
1. Root Node, merupakan node palingatas, pada node ini tidak ada input dan bisa tidak
mempunyai output ataumempunyai output lebih dari satu.
2. Internal Node, merupakan node percabangan, pada node ini hanya terdapat satu input dan
mempunyai output minimal dua.
3. Leaf node atau terminal node,merupakan node akhir, pada node ini hanya terdapat satu
input dan tidak mempunyai output.
Menurut saya dengan adanya data mining dapat memudahkan kita untuk memproses data
yang berukuran besar. Dalam data mining kita dapat menggunakan berbagai metode-metode,
diantaranya metode decision tree algoritma C.45 dimulai dari pembentukan decision system
yang digunakan sebagai data awal yang memiliki nilai atribut (Sekolah, Jurusan, Peringkat, IPK).
Selanjutnya menghitung nilai entropy dari masing-masing atribut. Menghitung nilai gain
tertinggi yang digunakan menjadi node. Setelah menghitung kita dapat menentukan keputusan
dari hasil proses decission tree yang dengan menggunakan algoritma if-then dimulai dari akar
tertinggi atau akar terendah. Dimana akan menghasilkan 7 buat pola aturan (rule) yang dapat
memprediksi hasil belajar mahasiswa apakah mahasiswa tersebut sangat baik, baik, kurang baik.
 DAFTAR PUSTAKA

Sembiring, M. A. (2016). Penerapan Metode Decision Tree Algoritma C45 untuk Memprediksi

Hasil Belajar Bahasiswa Berdasarkan Riwayat Akademik. 3(1), 60–65.

Sembiring, M. A., Sibuea, M. F. L., & Sapta, A. (2018). Analisa Kinerja Algoritma C45 Dalam

Memprediksi Hasil Belajar. I(1), 73–79.

Susanto, H., & Sudiyanto. (2014). Data Mining untuk Memprediksi Prestasi Siswa Berdasarkan

Sosial, Ekonomi, Motivasi, Kedisiplinan dan Prestasi Masa Lalu. 4(2), 222–231.