ULPROPOSAL TESIS

DATA MINING KEAMPAUAN SISWA UNTUK MEMPREDIKSI KELULUSAN SMK PADA UN TAHUN 212/2013 DENGAN METODE NEURO FUZZY
Oleh :

NAMA NPM

: SAMSURI : P31.2011.00953

ANGKATAN : XIX

PROGRAM PASCA SARJANA MAGISTER TEKNIK INFORMATIKA UNIVERSITAS DIAN NUSWANTORO SEMARANG 2012

BAB 1. PENDAHULUAN 1.1 Latar Belakang

Pada hakekatnya pendidikan adalah sesuatu yang harus diperlukan untuk mencapai suatu tujuan. Bahkan sejak jaman kenabian telah diisyaratkan barang siapa menghendaki kehidupan dunia hendaklah berilmu dan barangsiapa yang

menghendaki kehidupan akhirot hendaklah berilmu dan barang siapa menghendaki keduanya maka hendaklah berilmu dan dalam hadist lain Nabi mennyerukan utlubil ilmi walau bissin tuntutlah ilmu waupun di Negara Cina.Termasuk didalam tonggak sejarah perkembangan negara kita sendiri disebutkan dalam pembukaan Undang-Undang dasar 1945 bahwa...untuk memajukan kesejahteraan umum, mencerdaskan kehidupan Bangsa dan ikut melaksanakan ketertiban dunia berdasarkan perdamaian dan berkeadilan sososial. Hal ini mengandung pengertian bahwa untuk mewujudkan kesejahteraan masyarakat yang berkeadilan sosial dan penuh dengan kedamaian itu masyarakatnya harus cerdas terlebih dahulu (berilmu), dalam arti harus memperoleh pendidikan. Dewasa ini pendidikan menjadi salah satu prioritas penting bagi pemerintah,
karena pendidikan [9] mempunyai peran besar dalam menciptakan manusia Indonesia yang berkualitas, yaitu yang beriman dan bertakwa kepada Tuhan YME, berakhlak mulia, sehat, berilmu, cakap, kreatif, mandiri dan menjadi warga yang demokratis serta bertanggung jawab. Berbagai upaya untuk meningkatkan kualitas pendidikan telah dilakukan dan masih merupakan agenda penting pemerintah, antara lain meliputi peningkatan kualitas tenaga pengajar, melengkapi sarana dan prasarana pendidikan,

peningkatan alokasi dana pendidikan mencapai (20%) dari RAPBN, serta pelaksanaan kegiatan evaluasi pendidikan yang berkesinambungan. Ini merupakan wujud dari kepedulian pemerintah dalam rangka meningkatkan kualitas pendidikan. Lebih jelas lagi dalam [10] Pasal 11: Pemerintah wajib menyelenggarakan pendidikan bermutu bagi masyarakat tanpa diskriminasi; Pasal 35: Ada 8 Standar Nasional Pendidikan, dua diantaranya: Standar Kompetensi Lulusan; dan Standar Penilaian Pendidikan; Pasal 58 Ayat (1): Evaluasi hasil belajar peserta didik dilakukan oleh pendidik untuk memantau proses, kemajuan, dan perbaikan hasil belajar peserta didik secara berkesinambungan (Internal Evaluation); Pasal 58 Ayat (2): Evaluasi peserta didik, satuan pendidikan, dan program pendidikan dilakukan oleh lembaga mandiri secara berkala, menyeluruh, transparan, dan sistemik, untuk menilai pencapaian standar nasional pendidikan (External Evaluation). Dalam hal hasil evaluasi dan penilaian hasil belajar, pemerintah juga menaruh perhatian yang sangat besar, dalam [10] Pasal 63; Ayat (1): Penilaian pendidikan pada jenjang pendidikan dasar dan menengah terdiri atas: (a) Penilaian oleh pendidik; (b) Penilaian oleh satuan pendidikan; dan (c) Penilaian oleh Pemerintah; Pasal 66 Ayat (1): Penilaian hasil belajar oleh Pemerintah bertujuan untuk menilai pencapaian standar kompetensi lulusaan secara nasional, dilakukan dalam bentuk ujian nasional. Dari uraian diatas Ujian Nasional pada prinsipnya adalah usaha pemerintah untuk mengetahui sejauhmana pencapaian standar kompetensi lulusan pada skala Nasional, sehingga diperoleh pemetaan pencapaian kompetensi secara Nasioal. Pada kenyataannya dengan Ujian Nasional bukan kualitas pendidikan yang mengalami peningkatan, melainkan detak jantung yang mengalami peningkatan. Yang lebih aneh bukan detak jantung para siswa sebagai pelaku Ujian Nasional, tetapi detak

jantung para orang tua, guru, Kepala sekolah, Kadis Kota/Kabupaten, Kadikjar Propinsi termasuk, LPMP dan Wali Kota dan Gubernur sampai di BNSP karena takut kalu-kalu anak-anaknya tidak lulus Ujian Nasioanl. Bagi para siswa sebagai pelaku Ujian Nasional merasa enjoi, tidak nampak ada persiapan untuk menghadapi UJian Nasional (belajar dengan mempersungguh, tekun, menjauhkan diri dari hiruk-pikuk, dan hingar-bingar, tiarap, betul-betul mempersiapkan diri, menyingsingkan lengan baju, mengatur strategi, seolah-olah esok hari akan ada serangan yang betul-betul fatal jika tidak memperoleh kemenangan, yaitu sukses dalam Ujian Nasional). Inilah sebenarnaya akar permasalahan dan mata rantai yang besar dan akibatnya selalu akan menimpa kepada seluruh

penyelenggara pendidikan secara periodik(tahunan) selama mata rantai dan akar permasalahan ini belum bisa diputus atau diatasi dengan tuntas. Terbukti dengan serentetan peristiwa pada tiga tahun terakhir, yaitu pada 2010 ada sekitar 16.000 sekolah tingkat SMA dan Madrasah Aliyah. Sekolah dengan tingkat kelulusan UN sebesar 100% berjumlah 5.795 sekolah atau sekitar 35%. Sedangkan sekolah dengan tingkat kululusan UN 0% berjumlah 267 sekolah atau sekitar 1,62%. Kalau dibandingkan dengan tahun 2009, angka kelulusan ujian nasional (UN) tingkat SMA/MA tahun 2010 mengalami penurunan sebesar 4 persen. Pada tahun 2009 angka kelulusan UN mencapai 93.74 %, sekarang menjadi 89,88 %. Jadi jumlah siswa yang mengulang UN mencapai 154.079 orang dari 1.522.162 peserta UN 2010. Pada tahun 2011, untuk SMA adalah 99,22 persen. Meningkat dari tahun 2010 yaitu 89,93 persen pada ujian utama, dan 99,04 persen pada ujian ulang. Begitu juga dengan SMK mengalami kenaikan dari 99,20 persen pada tahun 2010, menjadi 99,51 persen.

Prosentase ketidaklulusan terbesar untuk tingkat SMA ada di Nusa Tenggara Timur yaitu 5,57 persen. Adapun Bali memiliki persentase ketidaklulusannya terkecil yaitu 0,04 persen. Sedangkan untuk SMK, persentase ketidakkelulusan terbesar terjadi di Sulawesi Tengah yakni 4,83 persen. Dan Provinsi Sumatera Selatan persentase kelulusan terbesar yaitu 0,03 persen. Padahal pada tahun 2011, tidak ada ujian ulang bagi siswa yang tidak lulus Ujian Nasional. Dari data Ujian Nasional (UN) pada tahun 2010 dan 2011 di atas perlu diadakan langkah-langkah antisipasi untuk memperkecil angka ketidaklulusan siswa dalam UN, yaitu dengan melakukan data mining untuk memprediksi nilai siswa dalam UN sehingga diperoleh pengetahuan (knowledge) yang diinginkan dan akhirnya menghasilkan kebijakan (wisdom). Dan hasilnya [12] tahun 2012 (Menteri Pendidikan dan

Kebudayaan Mohammad Nuh, 24 Mei 2012),

tingkat kelulusan siswa Sekolah

Menengah Kejuruan (SMK) mencapai 99,7 persen. Dari 1,03 juta peserta Ujian Nasional (UN), ada 2.925 siswa yang tidak lulus ujian akhir. Sama seperti SMA (Sekolah Menengah Atas), tingkat kelulusan SMA juga meningkat, mencapai 99,5 persen dari total 1,52 juta siswa. Dari 15 ribuan SMA di seluruh Indonesia, hanya empat sekolah yang siswanya tidak lulus semua.
Kemajuan yang luar biasa yang terus berlanjut dalam bidang data mining didorong oleh beberapa faktor, antara lain (Larose, 2005): (1) Pertumbuhan yang cepat dalam kumpulan data; (2) Penyimpanan data dalam data warehouse, 3 sehingga seluruh perusahaan memiliki akses ke dalam database yang andal; (3) Adanya peningkatan akses data melalui naviagasi web dan intranet; (4) Tekanan kompetisi bisnis untuk meningkatkan penguasaan pasar dalam globalisasi ekonomi; (5) Perkembangan teknologi

perangkat lunak untuk data mining (ketersediaan teknologi); (6) Perkembangan yang hebat dalam kemampuan komputasi dan pengembangan kapasitas media penyimpanan. Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukannya, yaitu (Larose, 2005): (1) Deskripsi, data mining digunakan untuk menggambarkan pola dan kecenderungan yang terdapat dalam data; (2) Estimasi, data mining digunakan untuk melakukan klasifikasi, kecuali variable target estimasi lebih ke arah numerik dari pada ke arah kategori; (3) Prediksi, data mining digunakan untuk memprediksi kejadian di masa mendatang; (4) Klasifikasi, data mining digunakan melakukan klasifikasi berdasarkan target variabel kategori; (5) Pengklasteran, data mining digunakan untuk mengelompokkan record, pengamatan, atau memperhatikan dan membentuk kelas-kelas objek-objek yang memiliki kemiripan; (6) Asosiasi, data mining digunakan untuk menemukan atribut yang muncul dalam satu waktu. Pada penelitian sebelumnya, [5] menggunakan data mining untuk memprediksi keberhasilan pembelajaran pada Universitas Terbuka dengan sistem pembelajaran jarak jauh yang mempunyai siswa diatas 800 siswa dan 28 guru. Dalam memprediksi menggunakan data input kebiasaan siswa (persiapan dan konsentrasi) dan latar belakang siswa terhadap bidang komputer. Dari data input dibuat model dengan algoritma Bayesian Network. Hasilnya mampu membuat model prediksi prestasi siswa mendekati hasil sesungguhnya. Data mining juga pernah digunakan untuk memprediksi keuangan berdasarkan waktu (Time Series). Penelitian dilakukan untuk mengenali pola keuangan pada masa lampau, dibuat sebuah pattern, kemudian diaplikasikan dengan data yang ada saat ini.

Untuk menemukan pattern yang tepat [8] digunakan metode neural network, decision trees, nearest neighbors, regression, dan genetic. Dari metode yang dipakai neural network mampu memprediksi dengan tingkat akurasi 56-61% Lebih lanjut [4] menggunakan metode (i) statistical techniques, (ii) neural networks, (iii) case-based reasoning, (iv) decision trees, (iv) operational research, (v) evolutionary approaches, (vi) rough set based techniques, (vii) fuzzy logic, support vector machine and isotonic separation (viii) soft computing dalam memprediksi kebangkrutan bank dan perusahaan. Chaudhuri dkk. (2010) menggunakan algoritma Fuzzy Support Vector Machine (FSVM) untuk memprediksi kebangkrutan bank. FSVM digunakan sebagai predictor analizing predictor keseimbangan keuangan perusahaan yang akurat. Penelitian ini sudah diterapkan pada 50 bank besar yang mengalami kebangkrutan. Sementara itu data mining dengan algoritma Neuro Fuzzy digunakan Dewanto dkk (2007), untuk prediksi penjualan. Hasil simulasi memberikan kesempatan untuk lebih mengembangkan neural network, fuzzy logic dan kombinasi keduanya sebagai perangkat prediksi. Akurasi data untuk membangun model Neuro Fuzzy akan menghapus atau meminimalkan kesalahan prediksi. Melihat kemampuan data mining dengan algoritma neural network, fuzzy logic dan Neuro Fuzzy dalam melakuan prediksi, penulis ingin melakukan data mining kemampuan siswa untuk memprediksi kelulusan siswa pada UN tahun 2012/2013 dengan menggunakan Neuro Fuzzy. Model yang bagus mempunyai parameter sederhana, yaitu cepat, dan performan yang tinggi. Parameter sederhana berkaitan dengan kesederhaan pengolahan data input, data output. Parameter cepat berkaitan dengan waktu komputasi selama proses training,

testing dan checking. Parameter performan yang tinggi berkaitan dengan akurasi model tersebut dalam memprediksi dan ketangguhan model terhadap perubahan data. Mengacu pada parameter model yang baik, maka dalam penelitian ini diambil Neuro Fuzzy dengan (a) Model Neuro Fuzzy dengan data input dan output yang sederhana (b) Model Neuro Fuzzy yang menghasilkan akurasi prediksi paling tinggi, (c) Model Neuro Fuzzy yang membutuhkan waktu komputasi paling pendek. Data yang diperoleh melalui proses mining digunakan untuk mendesain model Neuro Fuzzy. Hasil dari model ini digunakan untuk memprediksi kemampuan siswa dalam UN ditahun mendatang. Jika berdasarkan prediksi angka ketidaklulusan siswa dalam UN tinggi, dapat diambil langkah-langkah antisipatif sebelum pelaksanaan UN antara lain pengayaan materi pembelajaran, try out, penambahan jam pembelajaran, sehingga angka ketidaklulusan bisa diminimalisir. 1.2 Rumusan Masalah Dalam menyusun proposal ini, penulis merumuskan masalah sebagai berikut: a. Diantara input membership function 2, 3, 4, input membership function manakah yang memberikan akurasi prediksi paling tinggi? b. Diantara input membership function 2, 3, 4, input membership function manakah yang mempunyai waktu komputasi paling pendek? c. Diantara type fungsi keanggotaan trimf, trapmf, gbellmf, gaussmf, gauss2mf, pimf, dsigmf, psigmf, type fungsi keanggotaan manakah yang memberikan akurasi prediksi paling tinggi? d. Diantara type fungsi keanggotaan trimf, trapmf, gbellmf, gaussmf, gauss2mf, pimf, dsigmf, psigmf, type fungsi keanggotaan manakah yang mempunyai waktu komputasi paling pendek?

e. Diantara matapelajaran Bahasa Indonesia, Matematika, Bahasa Inggris, matapelajaran manakah yang akurasi prediksi paling tinggi? f. Diantara matapelajaran Bahasa Indonesia, Matematika, Bahasa Inggris, matapelajaran manakah yang mempunyai waktu komputasi paling pendek? g. Dengan metode Nouro Fuzzy tersebut seberapa besar Prediksi kelulusan siswa SMK pada Ujian Nasioanal Tahun 2012/2013? 1.3 Batasan Masalah Agar pembahasan lebih terfokus, maka penulis memberikan batasan sebagai berikut: a) Akurasi adalah nilai perbandingan hasil prediksi yang benar dengan jumlah keseluruhan data dikalikan 100%. b) c) Error adalah selisih antara nilai hasil prediksi dengan nilai sesungguhnya. MSE (mean square error) adalah rata-rata kuadrat selisih antara hasil prediksi dengan nilai sesungguhnya d) Nilai raport yang digunakan, yaitu nilai raport kelas X sampai dengan XII tahun ajaran 2005/2006 sampai dengan 2011/2012. e) f) Penelitian dilakukan di SMK N 3 Palu. Nilai UN yang dipakai adalah nilai UN mata pelajaran Bahasa Indonesia, Matematika dan Bahasa Inggris. g) Nilai raport yang dipakai adalah nilai raport mata pelajaran Bahasa Indonesia, Matematika dan Bahasa Inggris. 1.4 Tujuan Penelitian a. Tujuan khusus 1) Untuk mengetahui akurasi prediksi paling tinggi diantara input membership function 2, 3, 4.

2) Untuk mengetahui waktu komputasi paling pendek diantara input membership function 2, 3, 4. 3) Untuk mengetahui akurasi prediksi paling tinggi diantara type fungsi keanggotaan trimf, trapmf, gbellmf, gaussmf, gauss2mf, pimf, dsigmf, psigmf. 4) Untuk mengetahui waktu komputasi paling pendek diantara type fungsi keanggotaan trimf, trapmf, gbellmf, gaussmf, gauss2mf, pimf, dsigmf, psigmf. 5) Untuk mengetahui akurasi prediksi paling tinggi diantara matapelajaran Bahasa Indonesia, Matematika, Bahasa Inggris. 6) Untuk mengetahui waktu komputasi paling pendek diantara matapelajaran Bahasa Indonesia, Matematika, Bahasa Inggris.

b. Tujuan Umum Tujuan umum penelitian ini adalah menyediakan metode untuk melakukan prediksi kelulusan UN tahun 2012/2013 dengan melakukan proses data mining kemampuan siswa SMK.

1.5. Manfaat Penelitian Manfaat dari penelitian ini adalah: a. b. Untuk meminimalisir Ketidak kelulusan siswa dalam UN. Membantu pengajar untuk menentukan siswa dan mata pelajaran mana yang perlu dilakukan tindakan khusus agar siswa tersebut lulus UN. c. Membantu pengajar untuk menentukan metode pembelajaran terbaik agar diperoleh nilai UN tertinggi.

Daftara Pustaka
[1] Chaudhuria, Arindam dkk. 2011. Fuzzy Support Vector Machine for bankruptcy prediction. Applied Soft Computing 11 (2011) 24722486 [2] [3] [4] Dewanto R.A., Aradea, Devi Febrianty. Prediksi Penjualan dengan NeuroFuzzy. Ekici, Betul Bektas. 2011. Prediction of building energy needs in early stage of design by using ANFIS. Expert Systems with Applications 38 (2011) 53525358 Kumar, P. Ravi. 2007. Bankruptcy prediction in banks and firms via statistical and intelligent Operational Research 180 (2007) 128 [5] Kurniawan, Sandy, dkk. 2007. Penerapan Data Mining dengan Metode Interpolasi untuk Memprediksi Minat Konsumen Asuransi (Studi Kasus Asuransi Metlife), Media Informatika Vol.5 No.2 Desember 2007, 113-128 ISSN: 0854-4743 [6] Lubis, Chairisni dkk. 2005. Prediksi Harga Saham Dengan algoritma Hybrid Neural Network. Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6 Yogyakarta, 18 Juni 2005 Xenos, Michalis.2004. Prediction and assessment of student behaviour in open and distance education in computers using Bayesian networks. Computers & Education 43 (2004) 345359. Zhang, Guoqiang dkk.1999. Theory and Methodology Artificial neural networks in bankruptcy prediction:General framework and cross-validation analysis. European Journal of Operational Research 116 (1999) Zemke, Stefan. 2003. Data Mining for Prediction.Financial Series Case. Doctoral Thesis, The Royal Institute of Technology, Sweden ISBN 91-7283-613-X

[7]

[8]

[9]

[10] http://bsnp-indonesia.org/id/?page_id=61, Standar Pendidikan Nasional, di akses pada: 15 Des 2012. [11] http://www.slideshare.net/suprapto/ uu-no-20-tahun-2003, Undang-Undang Sistem Pendidikan Nasional Indonesia, diakses pada: 15 Des 2012

[12] Tempo.com (Jakarta: Kamis, 24 Mei 2012), diakses pada 28 Des 2012 [13] http://www.paudni.kemdikbud.go.id/wp-content/uploads/2012/08/PP-no-19-th-2005ttg-standar-nasional-pendidikan. diakses pada : 28 Des 2012.