Data Mining Sistem Pendidikan

Implementasi Data Mining Pada Bidang Pendidikan untuk Memprediksi Hasil Belajar

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 KDD (Knowledge Data Discovery) secara keseluruhannya. Data mining tersebut memiliki macam-macam implementasi (penerapan) dalam kehidupan sehari-hari yaitu pada bidang kesehatan, pendidikan, dan perdagangan.

Dunia Pendidikan memiliki data yang berlimpah dan berkesinambungan mengenai sistem Pembelajaran dan Pendidikan, siswa yang di bina dan alumni yang dihasilkan. Hal ini membuka peluang diterapkannya data mining untuk mengolah Pendidikan lebih baik. Kumpulan dari data tersebut dapat diproses lebih lanjut dengan data mining, untuk memperoleh pola baru yang dapat digunakan untuk meningkatkan efektifitas dalam proses pembelajaran, semua data yang dikelola pada bagian Administrasi merupakan sebuah sumber informasi yang bisa diekstrak kembali untuk mendapatkan suatu pengetahuan yang bisa digunakan untuk meningkatkan mutu dunia Pendidikan pada umumnya dan disekolah khususnya. Metode yang digunakan dalam penelitian ini adalah menggunakan metode Decision Tree. Dalam proses pembelajaran selama jangka waktu tertentu, maka akan terkumpul sejumlah data yang bisa dikelola disekolah untuk proses data mining .

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 data mining dapat mengubah cara kerja suatu sistem/organisasi karena dengan kita dapat memanfaatkan sebuah konsep data mining kita dapat mengetahui secara lebih spesifik apa-apa saja data yang kita butuhkan. 

Dsebagai contoh adalah sebuah 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.

Sumber :

Sembiring, Muhammad Ardiansyah. 2016. Penerapan Metode Decision Tree Algoritma C45 untuk Memprediksi Hasil Belajar Bahasiswa Berdasarkan Riwayat Akademik. 3(1). 60-65. (is.its.ac.i).

Sembiring, Muhammad Ardiansyah. Sibuea, Mustika Fitri Larasati. Sapta, Andy. 2018. Analisa Kinerja Algoritma C45 Dalam Memprediksi Hasil Belajar. I(1). 73-79. jurnal.goretanpena.com).

Susanto, Heru. dan Sudiyatno. 2014. Data Mining untuk Memprediksi Prestasi Siswa Berdasarkan Sosial, Ekonomi, Motivasi, Kedisiplinan dan Prestasi Masa Lalu. 4(2). 222-231. (journal.uny.ac.id).

Sumber Link       :  

            

https://www.kompasiana.com/evidm/5c8fae113ba7f77b601187f2/implementasi-data-mining-pada-bidang-pendidikan-untuk-memprediksi-hasil-belajar

AI Pada Netflix

Tugas AI Berbasis Pengetahuan 1

Nama kelompok :

1. Rizqi Ramadhan (16116632)
2. Abdul Aziz Kusuma (10116012)
3. M. Ilham Kurniawan (14116923)
4. Nada Kamilia (15116239)

Salah satu contoh penggunaan kecerdasan buatan di Netflix adalah dengan merekomendasikan Black Mirror atau serial dan film lain kepada audiens, memanfaatkan data perilaku pengguna mereka. Berkat teknologi ini, Netflix mampu meraup hingga US$1 miliar (sekitar Rp14,2 triliun) selama satu tahun karena mereka berhasil memberikan konten yang tepat kepada penggunanya.

Selain itu, Netflix juga menggunakan sebuah algoritme khusus yang bernama Dynamic Optimizer untuk menganalisis setiap frame dalam sebuah serial atau film yang ditonton penggunanya. Ini dilakukan agar Netflix dapat menyajikan konten dengan kecepatan terbaik tanpa mengurangi kualitas video yang ada.

Dengan bantuan Dynamic Optimizer, Netflix mampu menghadirkan seluruh konten yang mereka miliki dengan kualitas maksimum, tanpa khawatir akan kecepatan internet dari pengguna mereka.

Hal ini dimungkinkan sebab tak seluruh video ternyata menggunakan data yang sama untuk mampu tampil baik. Menurut VP of Product Innovation Netflix Todd Yellin, data yang diperlukan untuk menampilkan video dengan spesial efek akan lebih lebih banyak menguras data ketimbang video kartun.

Ia membandingkan serial Daredevil yang penuh aksi dan spesial efek dengan Bojack Horseman yang notabene merupakan kartun. Menurutnya, akan lebih sedikit data yang dibutuhkan untuk menyimpan Bojack Horseman ketimbang Daredevil, karena lebih sedikit detail yang perlu ditampilkan.

Di sisi lain, proses pengodean kecerdasan buatan dilakukan secara shot-by-shot. Karenanya, kompleksitas visual dapat dimaksimalkan tanpa perlu mengambil bandwith yang berlebihan.

Meskipun secara kasat mata tampilan video itu nantinya tak tak berbeda jauh, tapi data yang diperlukan untuk menampilkan video tersebut bisa jauh lebih kecil. Bahkan, menurut Yellin konsumsi data yang diperlukan dapat turun hingga setengah dari kebutuhan normal.

Fitur ini masih terus dikembangkan dan rencananya mulai digulirkan dalam beberapa bulan ke depan. Yellin mengungkapkan ini meluncur terlebih dulu untuk perangkat mobile, baru kemudian diikuti perangkat desktop atau TV pintar. Pengguna Netflix juga tak perlu melakukan apapun karena pembaruan akan dilakukan secara otomatis.

Sistem Pakar Bengkel Mobil

Cara Membuat Menu Sederhana Pada QBasic

Cara membuat sebuah menu sederhana pada QBasic dapat dilakukan dengan cara seperti pada gambar di bawah berikut. Pada Program kali ini akan membuat menu biodata mahasiswa, menghitung luas persegi dan menghitung luas segitiga.

Masukkan Coding Program pada layar QBasic seperti yang tertera pada gambar di bawah berikut:

Dari hasil Input pada program di atas maka akan menghasilkan output berupa gambar yang ada di bawah. Output pertama jika kita memilih menu Biodata maka akan menghasilkan gambar sebagai berikut:

Jika memilih menu Luas Persegi Panjang maka program secara otomatis akan menghitung Luas dari persegi panjang yang akan di hitung. Maka output yang akan tampil akan seperti gambar di bawah:

Dan jika memilih menu Luas Segitiga maka program akan menghitung luas segitiga yang di input ke dalam program oleh user. Output yang akan tampil seperti gambar di bawah berikut:

Logika Program dari coding QBasic akan di jelaskan pada keterangan di bawah :

Program di mulai dengan perintah “CLS” yang mana di gunakan sebagai “Clear Screen” dimana berfungsi untuk membersihkan layer pada tampilan output nanti nya. Lalu program di lanjutkan dengan perintah “PRINT” yang digunakan untuk mencetak masukkan yang di inputkan ke dalam QBasic, seperti yang terdapat di dalam program di atas PRINT “1. BIODATA” dimana program akan mencetak “1. BIODATA” pada tampilan layer output nanti nya.

Selanjutnya pada bagian bawah perintah “PRINT” terdapat perintah “INPUT” yang mana digunakan untuk memberikan masukkan ke dalam program menu mana yang akan kita pilih pada tampilan layer output. Seperti yang tampak pada codingan di atas INPUT “MASUKKAN PILIHAN ANDA [1-4]: “ yang artinya program akan menampilkan pilihan yang anda masukkan pada tampilan output. Jika anda memilih nomor 1 maka program akan menampilkan menu Biodata dan user memasukkan Biodata tersebut.

Lalu ada perintah “SELECT CASE PIL” dimana program akan membuat “CASE” yang di gunakan untuk user memilih menu mana yang akan dituju. Jika User memilih menu 1. Biodata maka program akan menampilkan tampilan inputan untuk user memasukkan Nama, Npm, dan Alamat dari user yang di input.

Untuk menu menghitung Luas Persegi Panjang dan Luas Segitiga sama saja hanya variable yang di gunakan harus berbeda. Jika pada Persegi Panjang yang di gunakan variable P dan L dan untuk menghitung menggunakan variable X, maka pada Segitiga yang di gunakan A dan B dan C untuk menghitung.

Review Film Ex Machina

Review Jurnal Perencanaan Dan Desain Sistem Customer PT. Telekomunikasi Indonesia (TELKOM) Kandatel Ungaran

Cara Membuat Database di Microsoft Database