Data Mining untuk memprediksi prestasi siswa berdasarkan sosial ekonomi,
motivasi, kedisiplin, dan prestasi masa lalu
Hasil penelitian berdasarkan tahapan-tahapan proses dalam
KDD (Knowledge Data Discovery) sebagai berikut:
1. Data Selection, tahapan ini
dilakukan untuk memilih data yang sesuai dengan variabel yang dibutuhkan dalam
penelitian. Caranya adalah dengan memilih atau menentukan atribut-atribut data
mana yang akan digunakan dalam penelitian dari sekelompok data operasional yang
ada. Salah satunya adalah menentukan atribut-atribut untuk variabel Sosial
Ekonomi Orang Tua yang diambil dari data operasional yaitu Data Pribadi Siswa
yang ada di BP/BK sekolah.
2. Pre-processing/Cleaning, proses cleaning tersebut dilakukan terhadap keseluruhan data yang
diteliti yang berjumlah 416 siswa. Setelah dilakukan proses cleaning data
sejumlah 416, dihasilkan data bersih sebanyak 346 record data yang digunakan
untuk proses analisis berikutnya.
3. Transformation, tahap
ini menghasilkan satu recordset data yang siap untuk analisis data.
4. Analisis data. Analisis data yang pertama adalah dengan
menggunakan teknik decision tree algoritma J48. Software yang digunakan
adalah WEKA 3.6.9. Hasil yang diperoleh adalah tingkat akurasi prediksi sebesar
95,7%, seperti tampak pada tabel 1. Analisis
yang kedua menggunakan CHAID (Chi Squared Automatic Interaction Detection). Analisis
ini menggunakan software SPSS 16.0. Hasil yang diperoleh adalah tingkat akurasi
prediksi sebesar 82,1%. Analisis yang ketiga menggunakan regresi ganda.
Analisis ini menggunakan software SPSS 16.0. Hasil yang diperoleh adalah
tingkat signifikansi seluruh variabel independen terhadap variabel dependen
sebesar 90,6%.
0 Comments