2019 : Pembangkitan Data Sintetis Mahasiswa Gagal Akademik dengan Hibrida Oversampling dan Undersampling

Prof. Dr. Ir. Joko Lianto Buliali
Victor Hariadi S.Si., M.Kom.

External link

Type

RESEARCH

Keywords

-


Abstract

Seiring dengan perkembangan Teknologi Informasi, banyak institusi pendidikan pada era ini telah memiliki data akademik mahasiswa dalam bentuk digital. Data tersebut diambil secara berkala dan senantiasa bertambah setiap bulan bahkan setiap harinya. Pada umumnya institusi pendidikan telah menggunakan data ini sebagai acuan pelaporan kepada Lembaga Layanan Pendidikan Tinggi (L2Dikti) maupun Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT), misalnya untuk melihat tren IPK lulusan, lama studi mahasiswa, tingkat DO mahasiswa, distribusi asal daerah mahasiswa, dan sebagainya. Belum banyak institusi menggunakan data dasar tersebut untuk keperluan yang lebih jauh dan strategis. Dalam jangka panjang, peta jalan penelitian pada topik penelitian mengenai data akademik mahasiswa, kami sebagai tim peneliti pada laboratorium Dasar dan Terapan Komputasi, Departemen Informatika, ITS memiliki tujuan untuk dapat menganalisis potensi tingkat keberhasilan dan tingkat kegagalan masing-masing mahasiswa, sehingga apabila seorang mahasiswa diidentifikasi memiliki potensi tingkat kegagalan yang tinggi, institusi dapat mengambil langkah-langkah preventif terhadap mahasiswa tersebut. Penelitian satu tahun yang diusulkan pada proposal ini bertujuan secara khusus untuk membangkitkan data imbalanced (yaitu data yang jumlahnya sedikit namun memiliki arti yang dominan dalam proses komputasi seperti pencarian pola pada data mining, pencarian pola data untuk pemodelan dan simulasi). Adapun studi kasus yang dipilih pada penelitian ini adalah pembangkitan data imbalanced mahasiswa suatu universitas yang gagal pada tahun pertama (Evaluasi akademik yang silakukan di tahun pertama oleh universitas tersebut untuk menentukan kelayakan mahasiswa melanjutkan pendidikannya di tahap pendidikan lebih tinggi. Topik ini diperlukan karena untuk dapat memperoleh pola mahasiswa yang gagal akademik diperlukan data mahasiswa gagal akademik dalam jumlah yang banyak, sedangkan data atau jumlah mahasiswa yang gagal pada institusi pendidikan secara umum relatif sedikit dibandingkan total mahasiswa di institusi pendidikan tersebut. Dengan menggunakan teknik yang dikembangkan pada penelitian ini, data mahasiswa gagal akademik dalam jumlah yang relatif sedikit dapat disintesis dengan hibrida oversampling dan undersampling. hasil yang diperoleh adalah data sintesis mahasiswa gagal akademik dalam jumlah sesuai yang diperlukan.