PENERAPAN PENGGALIAN ATURAN ASOSIASI UNTUK SISTEM REKOMENDASI PENGAMBILAN MATA KULIAH DI JURUSAN SISTEM INFORMASI ITS SURABAYA

PENERAPAN PENGGALIAN ATURAN ASOSIASI UNTUK SISTEM REKOMENDASI PENGAMBILAN MATA KULIAH DI JURUSAN SISTEM INFORMASI ITS SURABAYAPutri Cahyaning Bwananesia 5210 100 142

Laboratorium Sistem Pendukung Keputusan dan Inteligensia BisnisDosen Pembimbing 1 : Prof. Ir. Arif Djunaidy, M.Sc., PhD.Dosen Pembimbing 2 : Renny Pradina Kusumawardani, S.T., M.T.1BAB I : PENDAHULUANLatar Belakang, Rumusan Masalah, Batasan, Tujuan, ManfaatL a t a r B e l a k a n g

Beban SKS maksimalIndeks Prestasi Semester lalu

Kemampuan akademik mahasiswadiatasi dengan..R u m u s a n M a s a l a hBagaimana membuat sistem rekomendasi pengambilan mata kuliah bagi mahasiswa Jurusan Sistem Informasi ITS dengan metode penggalian aturan asosiasi (association rule mining) ?Batasan MasalahT u j u a n Membuat sistem rekomendasi pengambilan mata kuliah bagi mahasiswa Jurusan Sistem Informasi ITS dengan menggunakan teknik penggalian aturan asosiasi.M a n f a a tBAB II : TINJAUAN PUSTAKAPenggalian Data, Penggalian Aturan Asosiasi, Peraturan Akademik ITSP e n g g a l i a n D a t a Proses menemukan hubungan, pola, dan tren dengan menyaring data dalam jumlah besar yang disimpan dalam sebuah repositori, menggunakan teknik pemahaman pola, statistika dan matematika (Larose, 2005).Analisis pengamatan sekumpulan data (terkadang dalam jumlah besar) untuk mencari hubungan tidak terduga dan meringkas data dalam cerita yang dipahami dan berguna bagi pemilik data (Hand, Heikki, & Padhraic, 2001).Penggalian data dikenal juga dengan sebutan knowledge discovery in databases (KDD). Sebutan ini mulanya berasal dari bidang penelitian artificial intelligence (AI). Terdapat beberapa tahapan dalam KDD, yaitu : menentukan target data, pra proses data, transformasi data (jika diperlukan), melakukan penggalian data untuk menemukan pola dan hubungan dalam data, serta menerjemahkan dan menilai pola yang ditemukan (Hand, Heikki, & Padhraic, 2001).T u g a s P e n g g a l i a n D a t aCross-Industry Standard Process for Data Mining (CRISP-DM)

Fase Pemahaman BisnisMendefinisikan tujuan proyek penggalian data dan menjelaskan kebutuhan proyek secara lengkap dalam hal bisnis atau unit penelitian secara keseluruhan.Menerjemahkan tujuan-tujuan dan menentukan batasan dalam rumusan masalah yang akan diselesaikan dengan penggalian data.Menyiapkan strategi awal untuk mencapai tujuan yang telah ditentukan.Fase Pemahaman DataMengumpulkan data dan mengeksplorasi data yang diperoleh. Eksplorasi dapat dilakukan dengan mencari tahu gambaran awal dari data yang diperoleh serta memahami variabel-variabel yang melekat pada data.Mengevaluasi kualitas data. Evaluasi terhadap kualitas data dapat dilakukan dengan Evaluasi tersebut dapat dilihat dari beberapa aspek, antara lain : missing values, noise dan outliers, redudansi data, dan lain-lain (Tan, Steinbach, & Kumar, 2004).Jika perlu, pilih beberapa bagian yang memiliki pola yang dapat ditindaklanjuti.Fase Penyiapan DataMempersiapkan data set akhir dari data awal yang diperoleh. Data set akhir inilah yang akan digunakan sebagai data yang dianalisis pada fase-fase berikutnya.Menentukan studi kasus dan variabel yang tepat untuk dianalisis.Melakukan transformasi pada variabel-variabel tertentu jika diperlukan.Melakukan pra proses data pada data set akhir sehingga siap untuk digunakan pada tool pemodelan.Fase PemodelanMemilih dan menggunakan teknik pemodelan yang sesuai.Menyesuaikan pengaturan model sehingga menghasilkan hasil yang optimal.Beberapa teknik penggalian data yang berbeda biasanya dapat digunakan pada kasus penggalian data yang sama.Jika perlu, kembali ke fase persiapan data untuk menyiapkan data yang sesuai dengan teknik penggalian data yang digunakan.Fase EvaluasiMengevaluasi satu atau lebih model yang dihasilkan pada fase pemodelan untuk mencari model yang paling berkualitas dan efisien sebelum model tersebut diimplementasikan.Menilai apakah model yang dihasilkan dapat menjawab tujuan yang ditentukan pada fase pertama.Menentukan apakah ada aspek penting dari permasalahan bisnis yang belum terselesaikan.Menentukan keputusan mengenai penggunaan hasil penggalian data.Fase Implementasi ModelMemanfaatkan model yang telah dihasilkan sesuai dengan tujuan yang ingin dicapai.11P e n g g a l i a n A t u r a n A s o s i a s iAsosiasi yang dilakukan melalui penggalian data adalah suatu proses pencarian atribut-atribut yang sering muncul secara bersamaan. Pada dunia bisnis, disebut juga sebagai market basket analysis.Tugas dari asosiasi adalah membentuk aturan yang ditentukan berdasarkan hubungan antar dua atau lebih atribut. Aturan asosiasi ditentukan sebagai Jika antecedent (penyebab), maka consequent (akibat), dengan perhitungan support dan confidence untuk masing-masing aturan.Penggalian aturan asosiasi mempunyai dua tahapan yang harus dilakukan, yaitu mencari semua itemset yang sering muncul, lalu dari itemset yang sering muncul tersebut akan dihasilkan aturan asosiasi yang melampaui nilai minimum support dan confidence.P e n g g a l i a n A t u r a n A s o s i a s i ( c o n t d )P e r a t u r a n A k a d e m i k I T S t a h u n 2 0 0 9Pasal 14 : Untuk membantu setiap mahasiswa mengembangkan kemampuannya agar dapat menyelesaikan pendidikan dengan baik dan tepat waktu, ditetapkan seorang tenaga pengajar tetap sebagai dosen wali. Dosen wali bertugas memantau perkembangan studi mahasiswa. Setiap awal semester, mahasiswa harus menyusun rencana studinya bersama dosen wali dan rencana studi tersebut dituangkan dalam FRS (Formulir Rencana Studi) online. Mahasiswa berhak mendapat bimbingan dosen wali dalam hal mendapatkan informasi tentang program pendidikan di ITS, pengarahan dalam menyusun rencana studi untuk semester yang akan berlangsung, dan bantuan dalam menyelesaikan masalah akademik. P e r a t u r a n A k a d e m i k I T S t a h u n 2 0 0 9P e r a t u r a n A k a d e m i k I T S t a h u n 2 0 0 9Pada setiap semester, terdapat ukuran keberhasilan pembelajaran yang dinyatakan dengan Indeks Prestasi Semester )IPS). IPS adalah IP yang dihitung dari semua mata kuliah yang diambil dalam semester yang bersangkutan. Beban studi yang dapat diambil pada tiap semester ditentukan oleh IPS yang dicapai pada semester berikutnya, dengan acuan seperti tabel di samping :

Sedangkan untuk mahasiswa baru program sarjana wajib mengambil seluruh beban studi pada semester 1 dan sekurang-kurangnya seluruh beban studi pada semester 2. Pengambilan mata kuliah harus memperhatikan mata kuliah prasyaratnya, dengan nilai mata kuliah prasyarat sekurang-kurangnya D untuk program sarjanaBAB III : METODOLOGIPenentuan tujuan dan Studi Literatur, Penyiapan Data, Pemodelan dan Desain Sistem, Implementasi dan Uji Coba, DokumentasiM e t o d o l o g iJadwal KegiatanNoKegiatanFebruariMaretAprilMeiJuni123412341234123412341.Penentuan TujuanSurvey ke instansi penyedia data akademik ITSIdentifikasi permasalahan dan penentuan batasan masalahStudi literatur terkait masalah yang akan diselesaikanStudi literatur mengenai teknik penggalian data yang akan digunakan 2.Penyiapan DataPengumpulan dataEvaluasi kualitas dataSeleksi dan transformasi dataPra proses dataJadwal Kegiatan (contd)NoKegiatanFebruariMaretAprilMeiJuni123412341234123412344. Pemodelan dan Desain Sistem Pengolahan data menggunakan metode penggalian aturan asosiasiDesain sistem rekomendasi pengambilan mata kuliah5. Implementasi dan Uji Coba6.DokumentasiAnalisis hasil penggalian dataPenyusunan buku tugas akhir