REVIEW PAPER

“Educational data mining: A survey and a data

mining-based analysis of recent works”

KELOMPOK 1
ARIFTSANI ROSYADI (4115018)
EKKY SUKMAWATI (4115034)
AHMAD FATKHURROZI (4115072)
OBJEK PERMASALAHAN
1. EDM muncul sebagai paradigma yang berorientasi pada model
desain, tugas, metode, dan algoritma untuk mengeksplorasi data
dari pengaturan pendidikan.
2. EDM mengejar untuk menemukan pola dan membuat prediksi
yang mencirikan perilaku dan pencapaian peserta, konten
pengetahuan domain, penilaian, fungsi pendidikan, dan aplikasi
(Luan, 2002).
ALASAN PENTINGNYA PENELITIAN

Untuk mengejar dua tujuan,:

1. yang pertama adalah melestarikan dan meningkatkan catatan

perkembangan Educational Data Mining (EDM) baru-baru ini;
2. yang kedua adalah mengorganisasikan, menganalisis, dan
mendiskusikan isi ulasan berdasarkan hasil yang dihasilkan oleh
pendekatan Data Mining (DM)
SOLUSI PEMECAHAN MASALAH
Dengan demikian, sebagai hasil dari pemilihan dan analisis dari 240
pekerjaan EDM, profil kerja EDM dikompilasi untuk menggambarkan
222 pendekatan EDM dan 18 alat.

• Profil pekerjaan EDM diatur sebagai:

basis data mentah, yang diubah menjadi basis data ad-hoc yang
cocok untuk ditambang.
PENELITIAN SEBELUMNYA
5 tinjauan diperkenalkan dalam subbagian ini, di mana

• satu berorientasi pada DM,

• dan empat lainnya mencakup periode dari tahun 1995 hingga
2009.
 1 yang berorientasi pada DM (Data Mining)

Karena EDM didasarkan pada DM, tinjauan teknik dan aplikasi DM yang dicapai selama tahun 2000 hingga 2011 diringkas sebagai berikut.
Shu-Hsien, Pei-Hui, dan Pei-Yuan (2012) menyajikan suatu keadaan seni tentang DM yang menyangkut serangkaian karya yang digenapi
sepanjang dekade terakhir. Makalah ini mensurvei dan mengelompokkan 216 karya menggunakan sembilan kategori yang disajikan
dengan perhitungan masing-masing karya:

(a) Jaringan Syaraf (Neural Networks): 9;

(b) Arsitektur algoritma: 22,
(c) Prediksi dinamis: 17;
Total = 161 karya
(d) Analisis arsitektur sistem: 23;
(e) Sistem agen cerdas (intelligent agent systems): 14;
(f) Pemodelan: 15;
(g) Sistem berbasis pengetahuan: 19;
(h) Optimasi sistem: 14;
(I) Sistem informasi: 28.
• Para penulis mengenali dasar luas yang mendukung model DM, tugas, metode, teknik, dan algoritma.
• Akhirnya, tiga saran dibuat:
(1) Termasuk metodologi ilmu sosial;
(2) Mengintegrasikan beberapa metodologi ke dalam satu holistik;
(3) Mengubah kebijakan untuk memandu perkembangan DM di masa depan
4 dari periode 1995 - 2009
• Mengenai EDM, Romero dan Ventura (2007) menyajikan tinjauan 81 karya
yang diterbitkan dari tahun 1995 hingga 2005, di mana hanya tujuh yang
sesuai dengan tahun 1990-an.
• Mereka mengidentifikasi statistik-visualisasi dan penambangan web sebagai
beberapa teknik DM untuk mengklasifikasikan penerapan DM ke CBES.
Untuk statistik, beberapa alat diidentifikasi dan tujuh karya EDM dikutip.
• Mengenai visualisasi, empat karya direferensikan dan satu alat diakui.
• Mengenai penambangan web, itu dibagi menjadi tiga jenis tugas:
• (1) Pengelompokan, klasifikasi, dan deteksi pencilan (outlier);
• (2) Aturan asosiasi dan pola berurutan;
• (3) Penambangan teks.
Contoh karya EDM diberikan untuk setiap jenis tugas.

Namun, sampel dipartisi menjadi tiga varian sistem eLearning:

1. Kursus Berbasis Web (Web-Based Courses, WBC) tertentu,
2. Sistem Manajemen Pembelajaran (Learning Management Systems, LMS)
terkenal,
3. dan Adaptif dan Sistem Pendidikan Berbasis Web Cerdas (Adaptive and
Intelligent Web-Based Educational Systems, AIWBES).
pengguna non-teknis, standarisasi metode dan data DM; integrasi fungsi DM
dalam CBES, dan desain teknik yang dikhususkan untuk EDM.
 Jadi, sembilan koleksi karya EDM disediakan dalam tinjauan dengan
statistik berikutnya:
• (a) 15 pekerjaan pengelompokan, klasifikasi, dan tugas deteksi
outlier dibagi menjadi: 3 WBC, 3 LMS, 9 AIWBES;
• (B) 14 makalah tentang aturan asosiasi dan tugas pola berurutan
dibagi menjadi: 6 WBC, 4 LMS, 4 AIWBES;
• (c) 7 karya yang terkait dengan penambangan teks dipartisi
menjadi: 4 WBC, 2 LMS, 1 AIWBES. Sebagai tren masa depan,
mereka menuntut: alat EDM ramah untuk
DATA
• Sumber Data : 240 karya EDM yang diterbitkan
antara 2010 dan kuartal pertama 2013

• Jenis Data : Jurnal, Buku, Prosiding

• Jumlah Data : 240 Karya EDM yang terdiri dari 222

pendekatan EDM dan 18 alat EDM
• 2.5.2 Keragaman fungsi yang disediakan oleh sistem pendidikan berbasis komputer (Computer-Based
Educational Systems, CBES) Konsekuensi lain dari evolusi CBES adalah berbagai fungsi yang diberikan
kepada pengguna, seperti: isi pengetahuan domain, pemodelan siswa, penilaian, pengurutan kuliah,
bantuan siswa, dukungan guru, kolaborasi, dan beberapa lagi. Mengenai sub-sampel pendekatan EDM,
Tabel 10 menyoroti bahwa: hampir 82% berfokus pada tiga versi pemodelan siswa (misalnya, perilaku,
kinerja, dan umum) dan penilaian; tetapi, pelengkap, 18%, sesuai dengan dua set fungsionalitas
(misalnya, fokus pertama terhadap dukungan dan umpan balik siswa; yang kedua mencakup
kurikulum, pengetahuan domain, sekuensing, dan dukungan guru). Selain itu, Gambar. 3 membentuk
histogram penghitungan yang diperkirakan untuk fungsionalitas pendekatan EDM selama tiga tahun. Ini
mengungkapkan: kecenderungan serupa untuk pemodelan siswa, pemodelan perilaku siswa, dan
penilaian; kecenderungan yang meningkat untuk pemodelan kinerja siswa; menentang pola untuk
dukungan dan umpan balik siswa versus dukungan pengajaran pengurutan pengetahuan domain-
kurikulum. Mereka masing-masing diberi label pada Gambar. 3 sebagai: SM, SM-B, Asse, SM-P, S-S-F,
C-DK-SQ-TS. Berdasarkan statistik ini, Bagian 3 disusun menjadi tujuh bagian untuk menyajikan 240
pekerjaan EDM, di mana Bagian 3.1 hingga 3.6 merangkum 222 pendekatan EDM dan Bagian 3.7
menggambarkan 18 alat EDM.
METODE
Metode yang digunakan untuk melaksanakan survei ini adalah
kerangka kerja (framework) yang dirancang untuk:

1. mengumpulkan
2. menganalisis
3. menambang karya EDM
SKENARIO UJI COBA
Terdiri 6 Pendekatan :

1. Pemodelan Siswa
2. Pemodelan Perilaku Siswa
3. Pemodelan Kinerja Siswa
4. Penilaian
5. Dukungan Umpan Balik Siswa
6. Kurikulum, Pengetahuan Domain, Pengurutan, dan Dukungan Guru
1# Tahap ‘‘EDM work collection’’

1. Tugas pertama mencari referensi sumber yang mempublikasikan

karya EDM. Akibatnya, koleksi karya EDM dikumpulkan.
2. Yang kedua mengevaluasi EDM bekerja dan menghasilkan profil
pendekatan EDM per setiap pekerjaan EDM yang dipilih.
3. Yang ketiga menganalisa profil pendekatan EDM dan mengatur
database EDM mentah. 'Tahap pemrosesan data ’’
2# 'Tahap “pemrosesan data ’’

1. mencakup tugas yang diberi label sebagai keempat, kelima, dan

keenam dalam Gambar 1.
• Tugas keempat mengubah database EDM mentah menjadi database
EDM adhoc untuk memfasilitasi proses statistik dan penambangan.
• Kelima melakukan proses statistik untuk menghasilkan tujuh jenis
fungsi EDM untuk mengumpulkan pekerjaan dan statistik terkait
yang homogen.
• Keenam penambangan database EDM ad-hoc untuk mengetahui
pola-pola yang menjadi ciri EDM yang berhasil.
3# Tahapan yang berorientasi
‘‘mengubah dan menginterpretasikan hasil “

Tugas yang berlabel 7-9 pada

• Tugas ke- 7 mengklasifikasikan EDM bekerja sesuai dengan fungsi
pendidikan yang paling mereka fokuskan. Akibatnya, tujuh topik diatur
dalam proporsi yang seimbang dari karya-karya EDM yang homogen untuk
menguraikan tujuh Bagian yang disajikan sebagai 3.1 hingga 3.7.
• Yang kedelapan menafsirkan pola-pola yang dihasilkan oleh pendekatan
DM untuk menemukan hubungan antara nilai-nilai sifat-sifat yang menjadi
ciri pendekatan EDM.
• Tugas terakhir menganalisis pengetahuan yang ditemukan dari pekerjaan
EDM untuk menyesuaikan potret dari arena EDM yang dijelaskan dalam
Bagian 2 hingga 5.
APAKAH PENELITIAN BERHASIL
Ya, berhasil.
Diketahui dari bagian berikut:
Sebagai hasil dari pelaksanaan proses statistik dan pengelompokan,

• satu set fungsi pendidikan ditemukan,

• pola realistis pendekatan EDM ditemukan,
• dan dua pola nilai-contoh untuk menggambarkan pendekatan EDM
berdasarkan model deskriptif dan prediksi diidentifikasi.
HASIL DAN PEMBAHASAN
Sebagai hasil dari penerapan metode untuk penemuan pengetahuan dari
karya EDM, tiga repositori diatur.
• Yang pertama adalah seperangkat karya EDM yang menyoroti sifat
pendidikan dan DM yang dinyatakan dalam versi cetak karya pilihan.
• Yang kedua adalah database EDM mentah yang disimpan di komputer
untuk mewakili profil pendekatan EDM, serta satu set katalog untuk
menstandardisasi contoh nilai-nilai edukasi dan DM.
• Yang ketiga adalah database EDM ad-hoc yang mewakili vektor biner
untuk mengkarakterisasi contoh nilai yang berbeda untuk setiap sifat
pendidikan dan DM dari karya yang dipilih.
...HASIL DAN PEMBAHASAN
Contoh dari hasil yang dihasilkan untuk pendekatan ditunjukkan pada
Tabel 26; di mana setelah 7 iterasi, sepasang kelompok dihasilkan.
Jumlah klaster dari kesalahan kuadrat adalah 1444.2154. Meskipun
vektor biner menyimpan 475 item, hanya yang mewakili rata-rata
kehadiran tertinggi yang ditampilkan. Kolom pertama mengidentifikasi
ID sifat numerik dan namanya. Tiga kolom lainnya mengungkap rata-
rata estimasi untuk data lengkap, cluster 0, dan cluster 1, yang
masing-masing menyimpan 222, 92, 130 catatan profil profil EDM.
Untuk memfasilitasi interpretasi, nama sifat itu muncul sebelum
masing-masing contoh-nilai yang mencapai rata-rata tertinggi.