PREDIKSI NILAI MATA KULIAH MAHASISWA BERDASARKAN NILAI RAPORT, PRETEST, DAN MOTIVASI BELAJAR
DOI:
https://doi.org/10.33477/mp.v5i2.230Abstract
Penelitian ini diawali dengan permasalahan tentang bagaimana prediksi nilai mata kuliah yang akan dicapai mahasiswa jika didasarkan pada nilai raport, nilai pretest, dan motivasi belajar dalam mengikuti perkuliahan di perguruan tinggi. Proses ini tentu tidak dapat terjawab secara langsung melalui penalaran yang biasa dilakukan oleh manusia. Namun banyak kendala yang perlu dipertimbangkan, terutama jika melibatkan suatu perhitungan rumit dan selalu berubah-ubah. Pemecahan masalah ini dapat dilakukan dengan bantuan komputer dan sistem inferensi fuzzy. Sistem inferensi fuzzy yang digunakan dalam penelitian ini adalah metode Mamdani. Metode Mamdani tersebut digunakan untuk memprediksi nilai mata kuliah mahasiswa. Metode ini menggunakan aturan kaidah IF-THEN dalam representasi kasusnya yang kemudian direpresentasikan ke dalam himpunan fuzzy. Sistem komputer dalam hal ini adalah Program Microsoft Office Excel 2013 yang difungsikan sebagai alat hitung untuk memprediksi nilai mata kuliah mahasiswa berdasarkan perolehan nilai raport, nilai pretest, dan motivasi belajarnya. Hasilnya diperoleh suatu pemodelan matematika dengan menggunakan aplikasi logika fuzzy, tiga variabel fuzzy, pada system inferensi fuzzy metode Mamdani yang terintegrasi dengan Program Microsof Office Excel 2013. Dengan melakukan substitusi nilai pada Program Microsof Office Excel 2013 tersebut maka nilai mata kuliah mahasiswa berdasarkan nilai raport, nilai pretest, dan tingkat motivasi belajar mahasiswa dapat diprediksi. Kata Kunci: prediksi nilai mata kuliah, nilai raport, pretest, dan motivasi belajar, fuzzy metode Mamdani, Ms. Excel 2013.References
Ahmad, F., Hafieza, N., Ismail, and Aziz, A. A. 2015. The Prediction of Students’ Academic Performance Using Classification Data Mining Techniques. Applied Mathematical Sciences, 9(129), 6415 – 6426.
Jacobson, D. 2010. Coherent Instructional Improvement and PLCs. Is it possible to do both?. Phi Delta Kappan, 91 (6), 38-45.
Hamilton, L., Halverson, R., Jackson, S., Mandinach, E., Supovitz, J., & Wayman, J. 2009. Using student achievement data to support instructional decision making (NCEE 2009-4067). Washington, DC: National Center for Education Evaluation and Regional Assistance, Institute of Education Sciences, US Department of Education.
Karim, M. R. S., Ginardi H., dan Fatichah, C. 2013. Prediksi Nilai Mata Kuliah Berdasarkan Nilai Prasyarat Menggunakan Metode Support Vector Regression. Jurnal Teknik Pomits, 2(1), 1-5.
Kusumadewi, S. dan Hartati, S. 2006. Neuro-Fuzz: Integrasi Sistem Fuzzy dan Jaringan Syaraf. Graha Ilmu. Yogyakarta.
Lee, K. H. 2005. First Course on Fuzzy Theory and Applications. Springer-Verlag Berlin Heidelberg.
Mayadewi, P. 2015. Prediksi Nilai Proyek Akhir Mahasiswa Menggunakan Algoritma Klasifikasi Data Mining. Disajikan pada Seminar Nasional Sistem Informasi Indonesia. ITS: Surabaya.
Muflikhak, L. 2017. Prediksi Nilai Mata Kuliah Mahasiswa Menggunakan Algoritma K-Apriori. Jurnal Sisfo, 06(02),157–172.
Mustafidah, H. dan Kurniasih, N. 2005. Pengaruh NEM, Motivasi, dan Kedisiplinan terhadap Prestasi Belajar Mahasiswa Pendidikan Matematika – FKIP – Universitas Muhammadiyah Purwokerto. Laporan Penelitian. UMP. Purwokerto.
Mustafidah, H. dan Aryanto, D. 2012. Sistem Inferensi Fuzzy untuk Memprediksi Prestasi Belajar Mahasiswa Berdasarkan Nilai Ujian Nasional, Tes Potensi Akademik, dan Motivasi Belajar. JUITA, II(1),1-7.
Saa, A. A. 2016. Educational Data Mining & Students’ Performance Prediction. (IJACSA) International Journal of Advanced Computer Science and Applications, 7(5),212-220.
Wohlstetter, P., Datnow, A., & Park, V. 2008. Creating a system for data-driven decision-making: Applying the principal-agent framework. School Effectiveness and School Improvement, 19 (3), 239–259.
