15 BAB III METODELOGI PENELITIAN Inisialisasi Penelitian 3.1.1 Studi Literatur Studi literatur merupakan acuan teori yang digunakan untuk mengerjakan sebuah penelitian. Pada penelitian ini peneliti menggunakan metode improved k-nearest neighbor yang ditemukan oleh Wei Yuan pada tahun 2004 [3]. 3.1.2 Wawancara Kegiatan wawancara dilakukan kepada sekertaris prodi teknik informatika institut teknologi sumatera yaitu Bapak Amirul Iqbal, S.Kom,. M.Eng. mengenai kurikulum dan kelompok keilmuan. 3.1.3 Pengumpulan Data Pada tahapan ini peneliti akan mengumpulkan data yang digunakan dan diolah untuk penelitian. Pengumpulan data akan dilakukan melalui sebuah kuisioner. Target responden yaitu mahasiswa teknik informatika angkatan 2016 yang telah melakukan seminar proposal. Kriteria pemilihan responden yang telah melakukan seminar proposal dikarenakan untuk mengetahui kelompok keilmuan dari tugas akhir yang dikerjakan sudah pasti. Adapun data yang dikumpulkan merupakan nilai-nilai mata kuliah wajib prodi teknik informatika. Persiapan Data 3.2.1 Pembersihan Data Pada tahapan ini akan dilakukan pemeriksaan mengenai kelengkapan data yang dibutuhkan dan penghapusan data dupliklat. 3.2.2 Transformasi Data Pada tahapan ini akan dilakukan penyesuain mata kuliah terkait perbedaan mata kuliah wajib pada kurikulum 2016 yang disesuaikan dengan kurikulum 2020 dan konversi data penelitian menjadi bentuk data numerik. Hal ini diperlukan supaya data dapat diolah pada tahapan selanjutnya. Pada tabel 3.1 merupakan konversi data nilai yang akan digunakan dalam penelitian.
17
Embed
BAB III METODELOGI PENELITIAN Inisialisasi Penelitian 3.1
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
15
BAB III
METODELOGI PENELITIAN
Inisialisasi Penelitian
3.1.1 Studi Literatur
Studi literatur merupakan acuan teori yang digunakan untuk mengerjakan sebuah
penelitian. Pada penelitian ini peneliti menggunakan metode improved k-nearest
neighbor yang ditemukan oleh Wei Yuan pada tahun 2004 [3].
3.1.2 Wawancara
Kegiatan wawancara dilakukan kepada sekertaris prodi teknik informatika institut
teknologi sumatera yaitu Bapak Amirul Iqbal, S.Kom,. M.Eng. mengenai
kurikulum dan kelompok keilmuan.
3.1.3 Pengumpulan Data
Pada tahapan ini peneliti akan mengumpulkan data yang digunakan dan
diolah untuk penelitian. Pengumpulan data akan dilakukan melalui sebuah
kuisioner. Target responden yaitu mahasiswa teknik informatika angkatan 2016
yang telah melakukan seminar proposal. Kriteria pemilihan responden yang telah
melakukan seminar proposal dikarenakan untuk mengetahui kelompok keilmuan
dari tugas akhir yang dikerjakan sudah pasti. Adapun data yang dikumpulkan
merupakan nilai-nilai mata kuliah wajib prodi teknik informatika.
Persiapan Data
3.2.1 Pembersihan Data
Pada tahapan ini akan dilakukan pemeriksaan mengenai kelengkapan data yang
dibutuhkan dan penghapusan data dupliklat.
3.2.2 Transformasi Data
Pada tahapan ini akan dilakukan penyesuain mata kuliah terkait perbedaan
mata kuliah wajib pada kurikulum 2016 yang disesuaikan dengan kurikulum 2020
dan konversi data penelitian menjadi bentuk data numerik. Hal ini diperlukan
supaya data dapat diolah pada tahapan selanjutnya. Pada tabel 3.1 merupakan
konversi data nilai yang akan digunakan dalam penelitian.
16
Tabel 3.1 Konversi Data Nilai
Nilai Konversi
A 4
AB 3,5
B 3
BC 2,5
C 2
D 1
E 0
Pada tabel 3.2 merupakan keterangan kode singkatan nama mata kuliah yang
digunakan dalam dataset penelitian ini.
Tabel 3.2 Data Mata Kuliah
Mata Kuliah Kode
Pengantar Teknologi Informasi B PTI
Dasar Pemrograman Daspro
Matriks dan Ruang Vektor MRV
Logika Informatika LogIf
Matematika Diskrit MD
Teori Bahasa Formal dan Otomata TBFO
Algoritma dan Struktur Data ASD
Organisasi dan Arsitektur Komputer OAK
Strategi Algoritma SA
Probabilitas dan Statistika PS
Basis Data BS
Pemrograman Berorientasi Objek PBO
Sistem Operasi SO
Dasar Rekayasa Perangkat Lunak DRPL
Inteligensi Buatan IB
Jaringan Komputer JK
Interaksi Manusia dan Komputer IMK
Sistem Informasi SI
Information Retrieval IR
Data Warehouse / Data Mining DM
Manajemen Basis Data MBD
Pengolahan Citra Digital PCD
Teknologi Basis Data TBD
17
Tabel 3.3 Data Mata Kuliah (Lanjutan)
Mata Kuliah Kode
Teknologi Game TG
Pengolahan Sinyal Digital PSD
Jaringan Komputer Lanjut JKL
Pengembangan Aplikasi Mobile PAM
Kriptografi KRPT
Pemrograman Web Web
Sistem Tertanam ST
Sistem / Teknologi Multimedia TM
Pemrograman Web Lanjut WebL
Pervasive Computing Pervasif
Keamanan Jaringan KEJAR
Manajemen Proyek Teknologi Informasi MPTI
Proyek Teknologi Informasi PPL
Sistem Informasi Lanjut SIL
Adapun penyesuain mata kuliah wajib 2016 yang disesuaikan dengan kurikulum
2020 dapat dilihat pada Tabel 3.4.
Tabel 3.4 Penyesuaian Mata Kuliah
Mata Kuliah Kurikulum 2020 Mata Kuliah Kurikulum 2016
Algoritma Pemrograman I Pengantar Teknologi Informasi B
Algoritma Pemrograman II Dasar Pemrograman
Matematika diskrit Logika Informatika
Matematika Diskrit
Penyesuain mata kuliah ini berdasarkan ekuivalensi antara kurikulum sebelumnya
dengan kurikulum 2020
Perancangan Sistem
Pada tahap ini dilakukan perancangan sistem yang akan diterapkan sebelum
diimplementasikan. Tahapan ini sebagai gambaran dari proses model klasifikasi
yang digunakan dalam penelitian. Perancangan sistem prediksi kelompok keilmuan
tugas akhir menggunakan metode KNN+ ditunjukkan pada Gambar 3.1.
18
Gambar 3.1 Perancangan Sistem
Pada perancangan sistem Gambar 3.1 terdiri dari 3 blok yaitu input, proses,
dan output. Input dari sistem ini berupa data nilai mata kuliah wajib teknik
informatika dan mata kuliah pilihan yang telah dikumpulkan dari kuisioner.
Kemudian pada tahap proses dilakukan pengolahan data dengan menggunakan
metode KNN+, dimana tahapan awal yaitu menghitung euclidean distance antara
data uji dengan semua data latih. Tahapan selanjutnya mengurutkan nilai euclidean
distance dari yang terkecil dan mengambil data latih yang memiliki jarak terdekat
sebanyak nilai k yang telah ditentukan.
Sebelum masuk ke tahap perhitungan nilai voting, akan terlebih dahulu
dicari koefisien korelasi data uji terhadap dataset untuk masing-masing kelompok
keilmuan dan nilai bobot setiap kelompok keilmuan yang dimiliki data uji. Nilai
bobot didapatkan dari perhitungan nilai mata kuliah yang tergolong pada suatu
kelompok keilmuan. Pada hasil perhitungan nilai voting dari masing-masing label,
nilai voting tertinggi/maksimal akan digunakan untuk menentukan label data uji[9].
Selanjutnya pada proses output yaitu sistem akan memberikan hasil prediksi
kelompok keilmuan tugas akhir pada mahasiswa.
3.3.1 Proses Klasifikasi Metode Improved k-Nearest Neighbor (KNN+)
Pada proses awal dari improved k-nearest neighbor tidak berbeda dengan
proses k-nearest neighbor yang biasa. Tahapan ini dimulai dengan perhitungan
jarak antara data latih dan data uji dengan menggunakan rumus euclidean distance.
Setelah didapatkan nilai euclidean distance, nilai tersebut diurutkan dari nilai
terkecil. Berikut ini diberikan sebuah contoh data yang akan menggambarkan
19
proses prediksi untuk memperjelas proses improved k-nearest neighbor. Pada tabel
3.5 dan tabel 3.6 merupakan contoh data latih dan data uji yang akan digunakan
dalam proses perhitungan. Pada Tabel 3.7 dan tabel 3.8 merupakan hasil konversi
data latih dan data uji ke bentuk data numerik untuk memudahkan proses
perhitungan.
20
Tabel 3.5 Contoh Data Latih
NO NIM Mata Kuliah Wajib IF
KK TA PTI Daspro MRV MD TBFO ASD OAK SA PS BD PBO SO DRPL IB JK IMK SI
1 2016-1 RPLSI D C B B B BC AB AB C B BC A B B A B A
2 2016-2 RPLSI AB AB B A AB A A A BC AB A A B BC A B A
3 2016-3 KSP C BC BC B A AB A A BC A AB AB C C AB BC AB
4 2016-4 AIDE C A B B B BC A B C BC BC B BC BC B AB A
5 2016-5 AIDE D D C C B BC B C C BC BC BC BC C B B AB
6 2016-6 RPLSI D D AB B A BC A A C B BC A BC B AB B A
7 2016-7 AIDE C B C BC BC BC A AB C AB A A BC C A C A
8 2016-8 AIDE BC A B AB A A A A AB A A A A B A AB A
9 2016-9 RPLSI D C BC C C C C D C C C BC AB C B BC BC
10 2016-10 KSP D D C C D BC C BC C C BC BC BC C BC BC B
11 2016-11 RPLSI D B B BC BC AB B BC B BC C B BC C A AB AB
12 2016-12 AIDE C B B AB C AB AB AB B AB B B BC B A A A
13 2016-13 KSP D BC B B C C C C D BC C B BC D B AB AB
14 2016-14 KSP C BC B AB B BC A B AB C BC BC C C A BC AB
Tabel 3.6 Contoh Data Uji
NO NIM KK TA PTI Daspro MRV MD TBFO ASD OAK SA PS BD PBO SO DRPL IB JK IMK SI
1 2016-20 ? C A B B BC AB A A C AB A A B C A BC AB
21
Tabel 3.7 Contoh data latih yang telah dikonversi
NO NIM Mata Kuliah Wajib IF
KK TA PTI Daspro MRV MD TBFO ASD OAK SA PS BD PBO SO DRPL IB JK IMK SI