PREDIKSI TINGKAT KELULUSAN SISWA ELEARNING BERBASIS ALGORITMA FUZZY C-MEANS

  • Sismadi Sismadi Komputerisasi Akuntansi AMIK BSI JAKARTA
  • Yahdi Kusnadi AMIK BSI Jakarta
Keywords: Algoritma Fuzzy C-Means, Elearning, Prediksi Tingkat Kelulusan

Abstract

Sulitnya melakukan prediksi sebuah kelompok belajar melahirkan banyak metode dalam pengukuran, metode tersebut antara lain clustering. Pada metode ini termasuk jenis unsupervised sebab tidak terdapat satu atributpun yang digunakan untuk memandu proses pembelajaran, semua data diperlakukan sama. Pada pengelompokan ini data yang diproses bersifat kuantitatif sehingga setiap item data mendapat porsi dan perlakuan sama, kondisi datapun juga mirip satu dengan yang lainnya. Data yang diolah berasal dari data primer berupa kelompok jumlah login, akses materi, jumlah membuat thread diforum diskusi, jumlah tanggapan forum komentar diskusi dan jumlah mengerjakan soal latihan. Metode pengolahan dengan algoritma Fuzzy C-Means, adapun data yang diolah sebanyak 257 pengguna khususnya siswa atau mahasiswa. Atribut yang diolah terdiri dari 5 item aktifitas. Untuk hasil akhir terbentuk 2 kelompok dimana kelompok pertama dinyatakan lulus sesuai prediksi dan kelompok kedua tidak lulus. Hasil ini nantinya dibandingkan dengan data real atau empiris sehingga diperoleh jumlah siswa yang lulus dan tidak, sehingga dapat ditarik kesimpulan tingkat keakuratan metode ini dalam jumlah persen. Untuk nilai setiap kelompok diperoleh atribut login 11.961 s/d 27.921, akses materi pembelajaran 10.678 s/d 15.059, membuat thread 3.875 s/d 5.059, keaktifan diforum 9.741 s/d 23.329 dan mengerjakan soal ujian 9.751 s/d 13.420 dinyatakan lulus. Keakuratan diperoleh 78 persen sesuai dengan prediksi algoritma fuzzy c-means. Untuk pengukuran keefektifan algoritma ini digunakan SSE(sum of square error).

References

Catherine, O. (2013). Fuzzy C-Means Clustering Model for Identification of Students ’ Learning Preferences in Online Environment. International Journal of Computer & Information Technology, 4(I), 15–21.

El-Seoud, M. S. A., Taj-Eddin, I. A. T. F., Seddiek, N., El-Khouly, M. M., & Nosseir, A. (2014). E-Learning and Students’ Motivation: A Research Study on the Effect of E-Learning on Higher Education. International Journal of Emerging Technologies in Learning (iJET), 9(4), 20–26. https://doi.org/http://dx.doi.org/10.3991/ijet.v9i4.3465

Galley, M., Mckeown, K., & York, N. (2003). Improving Word Sense Disambiguation in Lexical Chaining Department of Computer Science 2 Lexical Chaining with a Word Sense Disambiguation Methodology. International Joint Conference on Artificial Intelligence, 1486–1488.

Joao M. Sousa, Uzay Kaymak, S. M. (2002). No Title. A Comparative Study of Fuzzy Target Selection Methods in Direct Marketing.

Kuncoro, T., & Mukhadis, A. (2013). Strategi Pembelajaran Problem Solving, Gaya Belajar Kolb, dan Hasil Belajar Mekanika Rekayasa. Jurnal Ilmu Pendidikan, 18(2). https://doi.org/10.17977/JIP.V18I2.3625

Kuo-Ping Lin, Lin, C.-L., Hung, K.-C., Lu, Y.-M., & Pai, P.-F. (2012). Developing kernel intuitionistic fuzzy c-means clustering for e-learning customer analysis. Ieee. https://doi.org/10.1109/IEEM.2012.6838017

Kusumadewi, Sri; Purnomo, H. (2004). Aplikasi Logika Fuzzy. Graha Ilmu.

Menteri Pendidikan dan Kebudayan Republik Indonesia, M. P. dan K. R. I. PENYELENGGARAAN PENDIDIKAN JARAK JAUH PADA PENDIDIKAN TINGGI, Pub. L. No. 109, 1 (2013). Republik Indonesia. Retrieved from http://sipma.ui.ac.id/files/dokumen/U_PENDIDIKAN_RISET_P2M/MENDIKBUD_PENDD DAN PJJ/permen_tahun2013_nomor109.pdf

Rokach, L., & Maimon, O. (2005). Clustering Methods. In Data Mining and Knowledge Discovery Handbook (pp. 321–352). New York: Springer-Verlag. https://doi.org/10.1007/0-387-25465-X_15

Sismadi, & Kusnadi, Y. (2017). Laporan Hasil Penelitian Mandiri. Jakarta.

Wu, X., Kumar, V., Ross, Q. J., Ghosh, J., Yang, Q., Motoda, H., … Steinberg, D. (2008). Top 10 algorithms in data mining. Knowledge and Information Systems (Vol. 14). https://doi.org/10.1007/s10115-007-0114-2
Published
2018-03-15
How to Cite
Sismadi, S., & Kusnadi, Y. (2018). PREDIKSI TINGKAT KELULUSAN SISWA ELEARNING BERBASIS ALGORITMA FUZZY C-MEANS. Jurnal Techno Nusa Mandiri, 15(1), 1-6. https://doi.org/10.33480/techno.v15i1.50
Article Metrics

Abstract viewed = 27 times
PDF downloaded = 29 times