Chat

Ringkasan Jurnal data Mining

, . 21.47 . ukm Tidak ada komentar

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.

Tidak ada komentar :

Posting Komentar

Langganan: Posting Komentar ( Atom )