Data mining untuk memprediksi prestasi siswa

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%.
 
*** Fandi Media ***

0 Response to "Data mining untuk memprediksi prestasi siswa"

Post a comment