Ringkasan Jurnal data Mining
Proses
Data Mining dalam Sistem Pembelajaran
Berbantuan Komputer
A.
Pendahuluan dan Landasan Teori
Jurnal Penerapan metode data mining dala system pembelajaran
berbantuan komputer. Ketersediaan data yang
berlimpah yang dihasilkan dari penggunaan teknologi informasi di hampir semua
bidang kehidupan, menimbulkan kebutuhan untuk dapat memanfaatkan informasi dan
pengetahuan yang terkandung di dalam limpahan data tersebut, yang kemudian melahirkan
data mining. Data mining merupakan
proses untuk menemukan pengetahuan (knowledge discovery) yang ditambang dari
sekumpulan data yang volumenya sangat besar. Aplikasi data mining pada pengelolaan bisnis,
pengendalian produksi, dan analisa pasar misalnya, memungkinkan diperolehnya
pola dan hubungan yang dapat dimanfaatkan untuk peningkatan penjualan, atau
pengelolaan sumber daya dengan lebih baik. Dunia pendidikan memiliki data yang
berlimpah dan berkesinambungan mengenai siswa yang dibina dan alumni yang
dihasilkannya. Hal ini membuka peluang diterapkannya data mining untuk pengelolaan pendidikan yang
lebih baik [Jing, 2004] dan data mining
dalam pelaksanaan pembelajaran berbantuan komputer yang lebih efektif
[Merceron, 2005]. Sistem pembelajaran berbantuan komputer (computer aided learning system) dapat
diimplementasikan sebagai sistem
tutorial berbasis web (web-based tutoring tool) [Merceron, 2005] atau sistem
tutorial cerdas (intelligent tutoring system) [Nilakant, 2004]. Di dalam sistem
tutorial berbasis web maupun sistem tutorial cerdas, setiap interaksi siswa
dengan sistem akan dicatat dalam suatu basis data dalam bentuk web log atau
model siswa (student model). Setelah sistem tersebut digunakan dalam proses
pembelajaran selama jangka waktu tertentu, maka akan terkumpul sejumlah besar
data. Kumpulan data tersebut dapat diproses lebih lanjut dengan data mining untuk memperoleh pola baru yang
dapat digunakan untuk meningkatkan efektifitas dalam proses pembelajaran.
B.
Pembahasan
Proses
analisis data dengan menerapkan teknik
data mining dapat dilakukan melalui analisis statistik atau dengan
pendekatan machine learning. Analisis
data pembelajaran dengan pendekatan machine learning akan menggunakan tiga
teknik, yaitu association rules, clustering, dan classification [Nilakant,
2004][Merceron, 2005]. Algoritma
association rule (AR) digunakan untuk menemukan hubungan antar nilai
tertentu dari atribut nominal dalam suatu dataset. Aturan yang dihasilkan dapat
ditulis dalam bentuk “if-then” dengan mempertimbangkan besaran support
dan confidence untuk menilai reliabilitas aturan. Bentuk umum
aturan dalam association rule adalah :
(X = xi) →(Y = yi)
[sup,conf]
dengan X = { x1, x2, . . ., xn}, Y = { y1, y2, . . .,
ym}, sup = probabilitas bahwa suatu instans dalam dataset mengandung X ∪Y, conf = probabilitas kondisional bahwa instans yang
mengandung X juga mengandung Y. Pada gambar 4 ditunjukkan contoh atribut
dataset yang dapat diturunkan dari Tabel
1 yang akan digunakan sebagai acuan untuk
pembahasan dalam algoritma AR, classification, dan clustering berikut ini.
Dataset tersebut dapat merupakan gabungan dari beberapa data yang diperoleh
saat siswa berinteraksi dengan sistem pembelajaran.
menemukan kesalahan yang sering terjadi pada saat
siswa mengerjakan latihan soal. Sebagai contoh, dari dataset pada gambar
4, diperoleh kumpulan instans mengenai
siswa yang melakukan kesalahan dengan frekuensi tertentu. Diasumsikan kumpulan instans tersebut
memenuhi kondisi jika siswa melakukan kesalahan A dan kesalahan B, maka mereka
juga melakukan kesalahan C, misalnya dengan support 30% dan confidence 60%,
akan ditulis sebagai :
A and B → C [30%,60%]
Aturan tersebut dapat dibaca sebagai berikut : dari
30% siswa yang melakukan kesalahan A dan kesalahan B (dari seluruh siswa yang
mengerjakan latihan soal), 60% diantaranya melakukan kesalahan C. Algoritma AR
juga dapat menyatakan hubungan antara beberapa atribut yang berbeda, misalnya
kesalahan A pada konsep X menimbulkan kesalahan B pada konsep Y, yang ditulis
sebagai
A and X → B and Y
Teknik
classification bekerja dengan mengelompokkan data berdasarkan data
training dan nilai atribut klasifikasi.
Aturan pengelompokan tersebut akan digunakan untuk klasifikasi data baru ke dalam kelompok yang ada.Classification
dapat direpresentasikan dalam bentuk pohon keputusan (decision tree). Setiap
node dalam pohon keputusan menyatakan suatu tes terhadap atribut dataset,
sedangkan setiap cabang menyatakan hasil dari tes tersebut. Pohon keputusan
yang terbentuk dapat diterjemahkan menjadi sekumpulan aturan dalam bentuk IF
condition THEN outcome.
Perbedaan utama antara aturan hasil algoritma AR
dengan aturan hasil classification adalah
classification hanya membuat model untuk satu atribut, yaitu atribut
kelas. Pada algoritma AR, bagian konsekuen aturan (bagian kanan aturan) dapat
mengandung lebih dari satu atribut, sedangkan pada classification hanya
mengandung nilai atribut dari atribut kelas. Hal ini dapat digunakan untuk
analisis secara top-down, yaitu mulai dengan algoritma AR untuk memperoleh
hubungan antara beberapa atribut, kemudian analisis dipersempit pada atribut
tertentu dengan menggunakan classification. Dengan menggunakan dataset hasil
belajar siswa seperti pada gambar 4, sebagai data training pada suatu tahun,
dapat dibuat pohon keputusan untuk memperkirakan distribusi nilai siswa pada
tahun berikutnya. Gambar 5 menunjukkan contoh pohon keputusan yang dihasilkan
dari teknik classification. Pada gambar 5 terlihat klasifikasi siswa yang
didasarkan pada jumlah kesalahan yang dilakukan siswa dan tingkat pencapaian
dalam pengerjaan soal. Pemilihan atribut yang digunakan dalam pohon keputusan
ditentukan secara heuristik dengan information gain [Jiawei, 2001].
C.
Kesimpulan
Dari Jurnal Majalah
Ilmiah Informasi dan Teknologi Ilmiah (INTI) ISSN : 2339-210X yang berjudul “Proses Data Mining dalam Sistem
Pembelajaran Berbantuan Komputer” maka dapat disimpulkan :
1.
Jurnal diatas
menjelaskan tentang pemanfaatan data mining dalam dunia pendidikan khusus nya dalam system pembelajaran
berbantuan komputer .
2.
Metode data mining berfungsi mencari pengetuan yang ada dalam database pembelajar.
Langganan:
Posting Komentar
(
Atom
)
Tidak ada komentar :
Posting Komentar