bab 5 kesimpulan dan saran

BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dilakukannya prediksi kemungkinan drop-out mahasiswa berdasarkan
perilaku sosialnya bertujuan agar diperoleh gambaran awal mengenai faktorfaktor yang berpotensi menghambat proses kelulusan mahasiswa sebagai bagian
dari evaluasi program studi, sehingga program studi dapat mengambil langkah
strategis yang tepat untuk dapat terus meningkatkan kualitas dan kuantitas
tingkat kelulusan hingga mencapai sasaran mutu kelulusan yang telah ditetapkan
oleh Perguruan Tinggi.
Berdasarkan hasil penelitian yang telah dilakukan dapat diambil kesimpulan
sebagai berikut:
1. Jaringan saraf tiruan (JST) propagasi balik yang sudah dilatih dengan data-data
akademik dan perilaku sosial mahasiswa dapat digunakan untuk memprediksi
potensi drop-out mahasiswa.
2. Parameter jaringan terbaik yang telah diperoleh dari percobaan adalah
menggunakan kelompok data kedua, dengan fungsi pelatihan levenbergmarquardt, laju pembelajaran 0.1, generalisasi data validasi dan data testing
98.89% dan 98,91%.
3. Penggunaan variabel perilaku sosial dapat meningkatkan generalisasi sampai
95.56%.
4. Analisis sensitivitas yang bertujuan untuk melihat pengaruh variabel input
terhadap output menunjukkan parameter perilaku sosial mahasiswa yang
paling besar pengaruhnya pada kedua kelompok data adalah kualitas hubungan
dengan mahasiswa lainnya dan hubungan keluarga. Sedangkan untuk
parameter akademik, variabel input yang sangat berpengaruh terhadap prediksi
potensi drop-out mahasiswa adalah SKS dan IPK. Selain itu parameter individu
yaitu variabel studi_lanjut dan motivasi juga memiliki pengaruh yang cukup
signifikan terhadap hasil prediksi drop-out mahasiswa.
84
Variabel kualitas hubungan/interaksi antar mahasiswa yang dinyatakan
memiliki nilai sensitivitas tertinggi bukan berarti parameter tersebut secara otomatis
lebih baik atau lebih jelek dari parameter lainnya, akan tetapi nilai sensitivitas
yang tinggi menunjukkan bahwa variabel kualitas interaksi antar mahasiswa
tersebut memiliki pengaruh yang cukup kuat terhadap potensi-potensi yang
mengancam pencapaian kelulusan, dalam hal ini adalah drop-out. Karena kualitas
interaksi sosial tersebut memberikan suatu pola tertentu antara nilai pada variabel
masukan dan target. Sebab bisa jadi ditemukan kasus dengan nilai akademik yang
tinggi namun ternyata ada indikasi mahasiswa tersebut berpotensi drop-out karena
kualitas interaksi sosialnya yang buruk. Oleh karena parameter perilaku sosial
dengan nilai sensitivitas tertinggi memberikan pengaruh yang besar terhadap
potensi drop-out mahasiswa maka diperlukan apresiasi serta perhatian khusus
terhadap faktor perilaku sosial tersebut.
5.2 Saran
Beberapa saran yang dapat diberikan sesuai dengan hasil penelitian lebih
lanjut adalah perlu dilakukannya penelitian lanjutan untuk melatih JST dengan
berbagai tipe data simulasi dan membandingkannya dengan analytical tool yang
lain agar diperoleh hasil optimal yang lebih baik, atau melakukan penelitian
menggunakan data-data pendidikan yang bersifat dinamis dan longitudinal. Karena
selama ini banyak penelitian dalam data mining hanya menggunakan data yang
bersifat statis, atau valid pada saat pengumpulan data saja. Tetapi dengan berlalunya
waktu, data tersebut menjadi tidak valid karena adanya perubahan kejadian.
Semisal data penghasilan orang tua, biasanya peneliti akan menuliskan
nominal penghasilan pada saat itu dan dijadikan input bagi penelitian mereka.
Padahal seiring waktu ternyata variabel penghasilan tersebut menunjukkan
grafik/tren yang menurun atau cenderung menurun. Sehingga perlu dilakukan
analisis lebih lanjut apakah tren yang seperti ini mempengaruhi hasil penelitian.
Penelitian yang menggunakan data-data bersifat dinamis dan longitudinal
seperti inilah yang belum mampu dilakukan oleh banyak peneliti saat ini, sehingga
hal tersebut menjadikan lahan penelitian baru bagi peneliti lain agar dapat
85
memberikan kontribusi-kontibusi penelitian yang lebih baru, lebih akurat dan lebih
bermanfaat.
Perlu dilakukannya pengujian terhadap kombinasi arsitektur dan parameter
untuk JST selain dari pengujian yang telah dilakukan. Dengan mengujinya lebih
banyak diharapkan dapat ditemukan parameter jaringan saraf tiruan yang lebih
optimal. Melakukan penambahan jumlah variabel input dari model agar tingkat
akurasi dan generalisasi dapat ditingkatkan, antara lain adalah variabel nilai ujian
lokal yang menjadi salah satu standar nilai bagi seleksi penerimaan mahasiswa
baru. Penelitian ini perlu dikembangkan menjadi sebuah sistem prototipe, dengan
merancang sebuah program aplikasi antar muka (graphic user interface/GUI) untuk
mendapatkan sistem prediksi yang lebih baik dan mudah digunakan oleh pengguna
awam.
86