MAKALAH
OLEH
Dengan ini kami panjatkan puji syukur kehadirat Allah SWT yang
maha pengasih dan penyayang karena atas ridho, anugerah dan hidayahnya
sehingga penyusun dapat menyelesaikan makalah penelitian ini yang berjudul
“Permasalahan Uang Kuliah Tunggal bagi Mahasiswa Sarjana Universitas
Negeri Malang”.
Dengan disusunnya makalah ini kami berharap makalah ini berguna
dalam rangka menambah wawasan dan pengetahuan. Tanpa bimbingan dan
bantuan dari pihak-pihak yang bersangkutan tentunya penulis tidak dapat
menyelesaikan makalah ini dengan sebaik mungkin. Serta tidak lupa juga
ucapan terima kasih yang ditujukan kepada Usman Wahyudi, S.Pd., M.Pd
selaku dosen pengampu mata kuliah Filsafat Pendidikan Jasmani.
Dengan keterbatasan waktu yang diberikan dosen pengampu kepada
penulis, maka mohon untuk dimaklumi apabila pada penulisan makalah ini
masih banyak sekali terjadi kesalahan dan kekurangan dalam proses
pembuatan. Oleh karena itu segala kritik dan saran dari siapapun yang bersifat
untuk menyempurnakan makalah ini akan diterima.
Dengan demikian, penulis berharap semoga makalah penelitian ini
berguna bagi, para pembaca dan pihak-pihak lain yang berkepentingan.
Apabila ada kekurangan kami mohon maaf yang sebesar-besarnya. Sekian dan
terima kasih.
Tim Penulis
i
DAFTAR ISI
KATA PENGANTAR.............................................................................................................2
DAFTAR ISI............................................................................................................................3
BAB I.......................................................................................................................................4
PENDAHULUAN...................................................................................................................4
A. Latar Belakang Masalah...............................................................................................4
B. Rumusan Masalah........................................................................................................5
C. Tujuan Penulisan..........................................................................................................6
D. Manfaat Penulisan........................................................................................................6
BAB II.....................................................................................................................................7
PEMBAHASAN......................................................................................................................7
A. Metode Penentuan Uang Kuliah Tunggal.....................................................................7
B. Solusi Permasalahan UKT bagi Mahasiswa...............................................................11
BAB III..................................................................................................................................15
PENUTUP.............................................................................................................................15
A. Simpulan....................................................................................................................15
B. Saran..........................................................................................................................15
DAFTAR RUJUKAN............................................................................................................16
BAB I
PENDAHULUAN
B. Rumusan Masalah
1. Apa saja metode yang bisa diterapkan dalam penentuan beban uang
kuliah tunggal pada perguruan tinggi?
2. Apa solusi yang dapat upayakan dalam meringankan beban uang kuliah
tunggal bagi mahasiswa?
2
C. Tujuan Penulisan
1. Untuk mendeskripsikan metode penentuan beban uang kuliah tunggal
2. Untuk memaparkan solusi yang dapat diterapkan untuk penentuan uang
kuliah tunggal
D. Manfaat Penulisan
1. Bagi Mahasiswa
Dengan adanya makalah ini, mahasiswa dapat mengetahui dan
memahami kondisi penentuan uang kuliah tunggal dengan beberapa metode.
2. Bagi Lembaga Perguruan Tinggi
Dengan adanya makalah ini, lembaga dapat mempertimbangkan
penentuan uang kuliah tunggal berdasarkan kemampuan ekonomi setiap
mahasiswa agar tetap lanjut pendidikan.
3
BAB II
PEMBAHASAN
4
tua/ wali mahasiswa. Klasifikasi merupakan suatu pengelompokan yang
dilakukan ke dalam kelas tertentu berdasarkan ciriciri yang sama (Hamandoko
dan Tairas, 1999).
Data Mining adalah proses menemukan pola dan pengetahuan dari
sejumlah data yang besar. Menurut Siallagan (2015) Definisi Data Mining
adalah:
a. Mengekstrak atau “mining” pengetahuan darikumpulan data yang sangat
besar.
b. Data yang diekstrasi menjadi informasi yang berguna, dimana tidak
diharapkan, tidak dikenal dan implisit.
c. Eksplorasi & analisis, dari sekumpulan data yang sangatbesaruntuk
memperoleh pola-pola data yang berartisecara otomatis atau semiotomatis.
d. Menemukan pola yang valid, baru, berguna dan dapat dipahami
manusiamelalui proses analisis database yang besar secara semiotomatis.
Menurut Prasetyo(2014) pengertian data mining secara naratif
mempunyai beberapa maksud:
a. Pencarian otomatis pola dalam basis data yang besar, menggunakan teknik
komputasional campuran dari machine learning,statistik, dan pengenalan
pola.
b. Pengekstrakan implisit non-tivial, yang sebelumnya belum diketahui
secara potensial adalah informasi berguna dari data.
c. Ilmu pengekstrakan informasi yang berguna dari set data atau basis data
besar.
d. Eksplorasi otomatis atau semiotomatis dan analisis data dalam jumlah
besar, dengan tujuan untuk menemukan pola yang bermaksna.
Berdasarkan penelitian yang telah dilakukan oleh Budianto Karim,
Steven R. Sentinuwo dan Alwin M. Sambul dalam jurnalnya dengan judul
“Penentuan Besaran Uang Kuliah Tunggal untuk Mahasiswa Baru di
Universitas Sam Ratulangi Menggunakan Data Mining” Dapat disimpulkan
Dari hasil pengujian dapat diketahui tingkat akurasi dari algoritma C4.5
5
menggunakan confusion matrix dengan jumlah data 80 menunjukkan bahwa
tingkat akurasinya 50%, yang terdiri dari 50% untuk data training dan 50%
untuk data testing. Sedangkan untuk hasil pengujian dengan jumlah data 115
menunjukkan bahwa tingkat akurasinya sebesar 52.63%. Dimana jumlah data
sangat berpengaruh dalam proses pembentukan model dan proses pengujian
model. (Karim dkk, 2017).
3. Algoritma Iterative Dichotomiser Three dan Classification Version 4.5
Pemilihan variabel dengan algoritma ID3 diproses dengan perhitungan
gain sedangkan algoritma C4.5 diproses dengan perhitungan gain ratio.
Algoritma ID3 merupakan algoritma matematika yang berguna untuk
menghasilkan suatu pohon keputusan yang mampu mengklasifikasikan suatu
obyek. Algoritma C4.5 merupakan pengembangan dari algoritma ID3.
Algoritma C4.5 banyak digunakan karena memiliki beberapa kelebihan yaitu
menghasilkan pohon keputusan yang mudah diinterpretasikan, dapat
digunakan untuk menangani variabel bertipe kategorikal atau diskrit dan
numerik, mempunyai tingkat akurasi yang dapat diterima, dan dapat
menangani missing value (Witten et al., 2011)
Teknik klasifikasi ini dapat disajikan dalam bentuk pohon keputusan.
Pohon keputusan merupakan salah satu metode pada data mining yang
menggunakan struktur berupa pohon yaitu dengan mengubah bentuk data
dalam tabel menjadi model pohon keputusan, lalu mengubahnya lagi menjadi
aturan yang mudah dimengerti (Jayanti dkk, 2008).
Berdasarkan penelitian yang telah dilakukan di UNS dalam jurnal
dengan judul “Penentuan Ukt Mahasiswa UNS Dengan Algoritma Iterative
Dichotomiser Three dan Classification Version 4.5”, diperoleh kesimpulan
bahwa dengan algoritma ID3 didapatkan 184 klasifikasi dengan nilai
presentase akurasi untuk memprediksi penggolongan UKT secara tepat yaitu
80.39%. Sedangkan dengan algoritma C4.5 didapatkan 75 klasifikasi dengan
nilai presentase akurasi yaitu 77.95%. Hal ini menunjukkan bahwa algoritma
ID3 mempunyai aturan klasifikasi yang lebih banyak dan nilai akurasi yang
6
lebih tinggi daripada algoritma C4.5. Pada penelitian selanjutnya, dapat
dilakukan penerapan dengan metode klasifikasi data mining yang lain untuk
menganalisis data UKT. (Larytasari,2019).
4. Fuzzy C-Means
Metode Fuzzy C-means Clustering (FCM) adalah suatu teknik
pengclusteran data yang mana keberadaan tiap-tiap titik data dalam suatu
cluster ditentukan oleh derajat keanggotaan. FCM menggunakan model
pengelompokan fuzzy dengan indeks kekaburan menggunakan Euclidean
Distance sehingga data dapat menjadi anggota dari semua kelas atau cluster
yang terbentuk dengan derajat keanggotaan yang berbeda antara 0 hingga 1.
Metode FCM sudah banyak digunakan dalam beberapa penelitian sebelumnya
diantaranya ialah cluster rawan pangan di Kabupaten Cirebon. penelitian ini
bertujuan indeks pembangunan manusia di kawasan Indonesia Timur tahun
2012 , segmentasi pelanggan PLN menggunakan fuzzy klustering short time
series, sistem pemilihan perumahan dengan metode kombinasi fuzzy c-means
clustering dan simple additive weighting , penerapan metode hybrid fuzzy c-
means dan particle swarm optimization (FCM - PSO) untuk segmentasi citra
geografis , pemanfaatan algoritma FCM dalam pengelompokan kinerja
akademik mahasiswa. (Muchsin, A. K., Sudarma, 2015)
Konsep dasar FCM, pertama kali adalah menentukan pusat cluster,
yang akan menandai lokasi rata-rata untuk tiap cluster. Pada kondisi awal,
pusat cluster masih belum akurat. Tiap-tiap titik data memiliki derajat
keanggotaan untuk tiap cluster yang terbentuk. Dengan cara memperbaiki
pusat cluster dan derajat keanggotaan tiap-tiap titik data secara berulang,
maka akan dapat dilihat bahwa pusat cluster akan bergeser menuju lokasi
yang tepat. Perulangan ini didasarkan pada minimasi fungsi objektif yang
menggambarkan jarak dari titik data yang diberikan ke pusat cluster yang
terbobot oleh derajat keanggotaan titik data tersebut. (S. Kusumadewi dan H.
Purnomo, 2010).
7
B. Solusi Permasalahan UKT bagi Mahasiswa
Dari review empat artikel, dapat diterapkan beberapa sistem penunjang
keputusan sebagai solusi pembebanan uang kuliah tunggal di perguruan
tinggi. Berikut adalah solusi yang dapat diterapkan berupa sistem pendukung
keputusan.
1. Metode Multifactor Evaluation Process
Multifactor Evaluation Process (MFEP) merupakan model
pengambilan keputusan yang menggunakan pendekatan kolektif dari proses
pengambilan keputusannya. Dalam pengambilan keputusan multi faktor
pengambilan keputusan secara subyektif dan intuitif menimbang berbagai
faktor yang mempunyai pengaruh penting terhadap alternatif pilihan
mereka. Untuk keputusan yang berpengaruh secara strategis lebih dianjurkan
menggunakan sebuah pendekatan kuantitatif seperti MFEP. Dalam MFEP
pertama-tama seluruh kriteria yang menjadi faktor penting dalam melakukan
pertimbangan diberikan pembobotan (weighting) yang sesuai. Langkah yang
sama dilakukan terhadap alternatif-alternatif yang akan dipilih, yang
kemudian dapat dievaluasi berkaitan dengan faktor-faktor pertimbangan
tersebut. Jumlah dari masing-masing bobot kriteria harus sama dengan
langkah-langkah proses perhitungan menggunakan metode Multifactor
Evaluation Process, yaitu :
a. Menentukan faktor dan bobot setiap faktor dimana total pembobotan haru
sama dengan 1 (∑ pembobotan = 1), yaitu factor weight..
b. Mengisikan nilai untuk setiap kriteria yang mempengaruhi dalam
pengambilan keputusan dari data-data yang akan diproses, nilai yang
dimasukkan dalam proses pengambilan keputusan merupakan nilai
objektif, yaitu factor evaluation yang nilainya antara 1-5.
c. Proses perhitungan weight evaluation yang merupakan proses perhitungan
bobot antara factor weight dan factor evaluation dengan serta
8
penjumlahan seluruh hasil weight evaluations untuk memperoleh total
hasil evaluasi.
9
berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut
keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi
(R). Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari
perkalian matriks ternormalisasi dengan vector bobot sehingga diperoleh nilai
terbesar yang dipilih sebagai alternatif terbaik sebagai solusi. Metode SAW
membutuhkan proses normalisasi matriks keputusan ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada.
3. Metode Analitical Hierarchy Process (AHP)
Metode Analitical Hierarchy Process (AHP) pada hakekatnya AHP
merupakan suatu model pengambil keputusan yang komprehensif dengan
memperhitungkan hal- hal yang bersifat kualitatif dan kuantitatif. Dalam
model pengambilan keputusan dengan AHP pada dasarnya berusaha menutupi
semua kekurangan dari model-model sebelumnya. AHP juga memungkinkan
ke struktur suatu sistem dan lingkungan ke dalam komponen saling
berinteraksi dan kemudian menyatukan mereka dengan mengukur dan
mengatur dampak dari komponen kesalahan sistem.
4. Penerapan Go+ Berbasis Web
Untuk mengatasi berbagai macam masalah pembebanan uang kuliah
tunggal, maka dari itu diperlukan sebuah sistem yang efisien dalam mencari
informasi pembayaran. Dari Segi efektif kelebihannya kita bisa lebih cepat
mencari informasi pembayaran tanpa perlu ke box sis dan ke kasir. Rumusan
masalah tersebut menghasilkan 2 pemecahan masalah yaitu dengan adanya
sistem GO+ sistem informasi pembayaran ini yang dilakukan secara online
dengan login secara SSO menggunakan Rinfo melalui sisplus.raharja.ac.id
sehingga memudahkan mahasiswa yang ingin mengetahui rincian biaya
perkuliahan secara online. Pada pemecahan masalah menggunakan mind
mapping dan analisa SWOT :
a. Mind Mapping
Metode Mind Mapping adalah cara paling efektif dan efisien untuk
memasukan, menyimpan dan mengeluarkan data dari atau ke otak. Sistem ini
10
bekerja sesuai cara kerja alami otak, sehingga dapat mengoptimalkan seluruh
potensi dan kapasitas otak manusia. Dilihat dari segi waktu mind mapping
juga mampu mengefisienkan pemakaian waktu dalam mempelajari suatu
informasi. Terutama disebabkan karena metode ini mampu memberikan
rancangan menyeluruh atas suatu hal dalam waktu yang singkat. Mind
mapping mampu menghemat waktu belajar dengan mendesign pola
pencatatan linear yang memakan waktu menjadi pencatatan yang efektif yang
sekaligus langsung dapat dipahami oleh individu. Pada metode Mind Mapping
ini menghasilkan sebagai berikut yakni penjelasan mengenai GO+ merupakan
sistem yang dapat menampilkan tagihan pembayaran perkuliahan mahasiswa.
Tujuan GO+ untuk mewujudkan sistem berbasis online dan untuk mengetahui
sistem GO+ terhadap keakuratan dan ketepatan informasi yang diberikan.
Kelebihan GO+ yaitu memudahkan mahasiswa agar tidak kebingungan pada
saat akan memasukan nominal biaya yang akan di transfer, memudahkan
mahasiswa untuk mengetahui informasi rincian biaya kuliah dengan cara yang
sangat cepat. Kekurangan dalam GO+ adalah sistem ini belum bisa
menampilkan tagihan bayaran. User pada GO+ yaitu kepala keuangan,
pimpinan, kasir dan mahasiswa. Lima point mind mapping tersebut diambil
berdasarkan fakta yang sesungguhnya yang terjadi pada Perguruan Tinggi
Raharja hasil dari penelitian yang dilakukan oleh peneliti.
11
BAB III
PENUTUP
A. Simpulan
1) Dalam penentuan UKT perlu di terapkan beberapa metode agar
Tepat dalam menentukan UKT untuk mahasiswa, metode yang
diterapkan adalah Fuzzy C-Means, Algoritma Iterative
Dichotomiser Three dan Classification Version 4.5, Naïve Bayes
Classifier dengan Gaussian Function dan Data Mining.
2) Berikut adalah solusi yang dapat diterapkan berupa sistem
pendukung keputusan: (1) Metode Multifactor Evaluation Process
(2) Metode Simple Additive Weighting (SAW) (3) Metode
Analitical Hierarchy Process (AHP)(4) Penerapan Go+ Berbasis
Web.
B. Saran
Dengan adanya makalah ini diharapkan mahasiswa dapat
memiliki pengetahuan untuk membandingkan macam metode penentuan
pembebanan uang kuliah tunggal pada setiap lembaga perguruan tinggi.
Selain itu, dengan pemahaman tersebut mahasiswa perlu mengajukan
keringanan kepada lembaga yang berwenang.
12
DAFTAR RUJUKAN
13
Rokhman, S., Rozi, I. F., & Asmara, R. A. (2017). Pengembangan sistem
penunjang keputusan penentuan ukt mahasiswa dengan
menggunakan metode moora studi kasus politeknik negeri
malang. Jurnal Informatika Polinema, 3(4), 36-36.
S. Kusumadewi and H. Purnomo. 2010. Aplikasi Logika Fuzzy untuk
Pendukung Keputusan. Yogyakarta: Graha Ilmu
Siallagan T. F. P. 2015. “Pencarian Nasabah dengan Menggunakan Data
Mining dan Algoritma C4.5 Koperasi Maduma Subang,”JuTISI
2015 Vol. 1
Sumarno, S., Gimin, G., & Nas, S. (2017). Dampak Biaya Kuliah Tunggal
Terhadap Kualitas Layanan Pendidikan. Kelola: Jurnal Manajemen
Pendidikan, 4(2), 184-194.
Tiara, K., Nurhaeni, T., & Faradisa, Y. (2017). Penerapan Go+ Berbasis
Web untuk Meningkatkan Mutu Pelayanan Lembaga Keuangan
Mahasisiwa. Technomedia Journal, 1(2), 90-104.
Witten, I. F., H.E., and Hall, M. A. 2011. Data Mining: Practical Machine
Learning Tools and Technique. Third Edition. Elsevier, Inc.
Massachusetts.
Yanifal, Y. S & Candra, F. (2018) Sistem Pendukung Keputusan
Penentuan Golongan UKT dengan Metode Naive Bayes. Jurnal
Online Mahasiswa, 5 (2).
14