MANUSIA DAN PENDERITAAN

1.      PENGERTIAN PENDERITAAN

Penderitaan berasal dari kata derita. Kata derita berasal dari bahasa sansekerta dara artinya menahan atau menanggung. Derita artinya menanggung atau merasakan sesuatu yang tidak menyenangkan. Penderitaan dapat berupa penderitaan lahir atau batin atau lahir dan batin. Penderitaan termasuk realitas manusia dan dunia. Intensitas penderitaan bertingkat-tingkat, ada yang berat, ada yang ringan.

Namun peranan individu juga menentukan berat-tidaknya intensitas penderitaan. Suatu peristiwa yang dianggap penderitaan oleh seseorang belum tentu merupakan penderitaan bagi orang lain. Dapat pula suatu penderitaan merupakan energi untuk bangkit kembali bagi seseorang, atau sebagai langkah awal untuk mencapai kenikmatan dan kebahagiaan.Berbagai kasus penderitaan terdapat dalam kehidupan.

Banyaknya macam kasus penderitaan sesuai dengan liku liku kehidupan manusia. Penderitaan fisik yang dialami manusia tentulah diatasi dengan cara medis untuk mengurangi atau menyembuhkannya, sedangkan penderitaan psikis, penyembuhan nya terletak paa kemampuan si penderita dalam menyelesaikan soal-soal psikis yang dihadapinya.

2.      SIKSAAN

Siksaan dapat diartikan sebagai siksaan badan atau jasmani, dan dapat juga berupa siksaan jiwa atau rohani. Akibat siksaan yang dialami seseorang, timbullah penderitaan. Siksaan yang sifatnya psikis bisa berupa : kebimbangan, kesepian, ketakutan. Ketakutan yang berlebih-lebihan yang tidak pada tempatnya disebut phobia.banyak sebab yang menjadikan seseorang merasa ketakutan antara lain : claustrophobia dan agoraphobia, gamang, ketakutan, kesakitan, kegagalan.

Para ahli ilmu jiwa cenderung berpendapat bahwa phobia adalah suatu gejala dari suatu problema psikologis yang dalam, yang harus ditemukan, dihadapi, dan ditaklukan sebelum phobianya akan hilang. Sebaliknya ahli-ahli yang merawat tingkah lakupercaya bahwa suatu phobia adalah problem nya dan tidak perlu menemukan sebab-sebabnya supaya mendapatkan perawatan dan pengobatan. Kebanyakan ahli setuju bahwa tekanan dan ketegangan disebabkan oleh karena si penderita hidup dalam keadaan ketakutan terus menerus, membuat keadaan si penderita sepuluh kali lebih parah.

3.      KEKALUTAN MENTAL

Penderitaan batin dalam ilmu psikologi dikenal sebagai kekalutan mental. Secara lebih sederhana kekalutan mental adalah gangguan kejiwaan akibat ketidakmampuan seseorang menghadapi persoalan yang harus diatasi sehingga yang bersangkutan bertingkah laku secara kurang wajar.

Gejala permulaan bagi seseorang yang mengalami kekalutan mental adalah :

1. nampak pada jasmani yang sering merasakan pusing, sesak napas, demam, nyeri pada lambung

2. nampak pada kejiwaannya dengan rasa cemas, ketakutan, patah hati, apatis, cemburu, mudah marah

Tahap-tahap gangguan kejiwaan adalah :

1. Gangguan kejiwaan nampak pada gejala-gejala kehidupan si penderita baik jasmani maupun rohani.

2. Usaha mempertahankan diri dengan cara negatif

3. Kekalutan merupakan titik patah (mental breakdown) dan yang 3bersangkutan mengalami gangguan.

Sebab-sebab timbulnya kekalutan mental :

1. Kepribadian yang lemah akibat kondisi jasmani atau mental yang kurang sempurna.

2. Terjadinya konflik sosial budaya.

3. Cara pematangan batin yang salah dengan memberikan reaksi yang berlebihan terhadap kehidupan sosial.

Proses kekalutan mental yang dialami seseorang mendorongnya kearah positif dan negatif.

Positif; trauma jiwa yang dialami dijawab dengan baik sebgai usaha agar tetap survey dalam hidup, misalnya melakukan sholat tahajut, ataupun melakukan kegiatan yang positif setelah kejatuhan dalam hidupnya.

Negatif; trauma yang dialami diperlarutkan sehingga yang bersangkutan mengalami frustasi, yaitu tekanan batin akibat tidak tercapai nya apa yang diinginkan.

Bentuk frustrasi antara lain :

1. Agresi berupa kemarahan yang meluap-luap akibat emosi yang tak terkendali dan secara fisik berakibat mudah terjadi hipertensi atau tindakan sadis yang dapat membahayakan orang sekitarnya.

2. Regresi adalah kembali pada pola perilaku yang primitif atau ke kanak-kanakan

3. Fiksasi; adalah peletakan pembatasan pada satu pola yang sama (tetap) misalnya dengan membisu.

4. Proyeksi; merupakan usaha melemparkan atau memproyeksikan kelemahan dan sikap-sikap sendiri yang negatif kepada orang lain.

5. Identifikasi; adalah menyamakan diri dengan seseorang yang sukses dalam imaginasinya

6. Narsisme; adalah self love yang berlebihan sehingga yang bersangkutan merasa dirinya lebih superior dari paa orang lain.

7. Autisme; ialah menutup diri secara total dari dunia riil, tidak mau berkomunikasi dengan orang lain, ia puas dengan fantasi nya sendiri yang dapat menjurus ke sifat yang sinting.

Penderitaan kekalutan mental banyak terdapat dalam lingkungan seperti :

1. kota – kota besar

2. anak-anak muda usia

3. wanita

4. orang yang tidak beragama

5. orang yang terlalu mengejar materi

Apabila kita kelompokan secara sederhana berdasarkan sebab-sebab timbulnya penderitaan, maka penderitaan manusia dapat diperinci sebagai berikut :

1. Penderitaan yang timbul karena perbuatan buruk manusia.

2. Penderitaan yang timbul karena penyakit, siksaan/azab Tuhan

Orang yang mengalami penderitaan mungkin akan memperoleh pengaruh bermacam-macam dan sikap dalam dirinya. Sikap yang timbul dapat berupa sikap positif ataupun sikap negative. Sikap negative misalnya penyesalan karena tidak bahagia, sikap kecewa, putus asa, atau ingin bunuh diri. Kelanjutan dari sikap negatif ini dapat timbul sikap anti, mislanya anti kawin atau tidak mau kawin, tidak punya gairah hidup, dan sebagainya. Sikap positif yaitu sikap optimis mengatasi penderitaan, bahwa hidup bukan rangkaian penderitaan, melainkan perjuangan membebaskan diri dari penderitaan dan penderitaan itu adalah hanya bagian dari kehidupan. Sikap positif biasanya kreatif, tidak mudah menyerah, bahkan mungkin timbul sikap keras atau sikap anti. Misalnya sifat anti kawin paksa, ia berjuang menentang kawin paksa, dan lain lain.  Penderitaan dan Perjuangan

4.      PENDERITAAN DAN PERJUANGAN

Penderitaan merupakan resiko hidup yang sifatnya kodrati. Untuk keluar dari penderitaan tentulah manusia itu sendiri yang berhak memilih dengan cara apa ia keluar dari penderitaan. Terbebas dari penderitaan pada hakekatnya meneruskan kelangsungan hidup. Untuk mencapai kelangsungan hidup yang lebih baik, maka manusia harus berjuang dengan seluluh kemampuan yang dimiliki. Selain berjuang, untuk terbebas dari penderitaan tentu harus disertai dengan kesabaran dan doa. Karena hidup tidak selalu berada di atas atau bahagia. Maka manusia harus optimis dan berusaha sert berjuang dalam menghadapi kesulitan hidup.

5.      PENDERITAAN, MEDIA MASSA DAN SENIMAN

Dengan adanya media masa di masa yang modern ini, contoh-contoh penderitaan sudah menjadi makanan sehari-hari bagi masyarakat. Dengan adanya media massa, semua berita dapat dirangkum dan dapat dinikmati oleh masyarakat luas. Tidak sedikit orang yang memanfaatkan kemajuan teknologi untuk menyiksa serta menindas orang lain.

Semakin hari semakin banyak berita tentang penderitaan yang dapat kita jumpai. Hal ini membuat para seniman, terutama seniman perfilman yang tidak jarang mendapat ide-ide cemerlamg untuk memfilmkan cerita tentang penderitaan. Dengan harapan, film yang para seniman buat dapat menjadi pelajaran bagi para penonton tentang cara keluar dari penderitaan serta menjadi tameng untuk mencegah terjadinya penderitan bagi dirinya. Dalam dunia modern sekarng ini kemungkinan terjasi penderitaan itu lebih besar. Hal ini telah di buktikan oleh kemajuan teknologi dan sebagainya mensejahterkan manusia dan sebagian lainnya membuat manusia menderita. Penciptaan bom atom, reactor nukir, pabrik senjata, peluru kendali, pabrik bahan kimia merupakan sumber peluang terjadinya penderitaan manusia. Hal ini sudah terjadi seperti bom atom di Hirosyima dan Nagasaki, kebocoran reactor nuklir di Uni Soviet, kebocoran gas beracun di India, pengunaan peluru kendali dalam perang Irak dan yang baru – baru ini terjadi di Jepang tepatnya di Fukushima terjadi ledakan reactor nuklir yang menyebabkan radiasi nuklir yang membahayakan kesehatan manusia,akibatnya masyarakat sekitar yang tinggal di daerah tersebut harus di ungsikan ke tempat yang lebih aman.

Berita mengenai penderitaan manusia silih berganti mengisi lembaran Koran, layar TV. Pesawat radio, dengan maksud supaya semua orang yang menyaksikan ikut merasakan dari jauh penderitaan manusia. Dengan demikian dapat menggugah hati manusia untuk berbuat sesuatu. Nyatanya tidak sedikit bantuan dari para dermawan dan sukarelawan berupa material atau tenaga untuk meringankan penderitaan dan penyelamatan mereka dari musibah ini.

Media massa merupakan alat yang paling tepat untuk mengkomunikasikan peristiwa – peristiwa penderitaan manusia secara cepat kepada masyarakat. Dengan demikian masyarakat dapat segera menilai untuk menentukan sikap antara sesame manusia terutam bagi yang merasa simpati. Tetapi tidak kalah pentingnys komunikasi yang dilakukan para seniman melalui karya seni, sehingga para pembaca, penonton dapat menhayati penderitaan sekaligus keindahan karya seni. Sebagai contoh bagaimana penderitaan anak bernama Arie Hangara yang mati akibat siksaan orang tuanya sendiri yang di filmkan dengan judul “Arie Hangara”.

6.      PENDERITAAN DAN SEBAB - SEBABNYA

Apabila kita kelompokkan secara sederhana berdasarkan sebab – sebab timbulnya penderitaan, maka penderitaan manusia dapat diperinci sebagai berikut :

1.      Penderitaan yang timbul karena perbuatan buruk manusia

2.      Penderitaan yang menimpa manusia karena memperlakukan sesama tidak secara kemanusiaan yang menjadikan sebuah kejahatan seperti memperlakukan pembantu sewenang-wenangya itu yang menyebakan penderitaan bagi si korban dan sudah selayak mendapat hukuman seberat-beratnya

Penderitaan lingkungan yang disebabkan oleh manusia:

Penderitaan ini terjadi karena kelalaian manusia yang tidak memahami kondisi alam dan setelah merusak tidak mencoba memperbaiki alam seperti penebagan liar terhadap hutan di sini objek penderita adalah alam yang mengalami sengsara ketika hujan datang air tidak memiliki penahan hujan dan imbasnya kembali kemanusia yang lain sedangkan manusia yang terkena bukan lah yang menebang melainkanorang tak bersalah bukankah ini merugikan orang lain.

Penderitaan yang timbul karen penyakit, siksaan / azab Tuhan:

Penderitaan manusia dapat juga terjadi akibat penyakit atau siksaan / azab Tuhan. Namun kesabaran, tawakal dan optimisme merupakan usaha manusia untuk mengatasi penderitaan itu.

7.      PENGARUH PENDERITAAN

Orang yang mengalami penderitaan mungkin akan memperoleh pengaruh bermacam-macam dan sikap dalam dirinya. Sikap yang timbul dapat berupa sikap positif ataupun sikap negatif. Sikap negatif misalnya penyesalan karena tidak bahagia, sikap kecewa, putus asa, ingin bunuh diri. Sikap ini di ungkapkan dalam pribahasa “Sesal dahulu pendapatan, sesal kemudian tak berguna”, “Nasi sudah menjadi bubur”. Kelanjutan dari sikap negatif ini dapat timbul sikap anti, misalnya anti kawin atau tidak mau kawin, tidak punya gairah hidup.

Sikap positif yaitu sikap untuk merubah keadaan awal dengan memperbaiki kesalahan agar tidak terjadi padanya yang kedua kali dengan memahami bahwa dampak kediri kita tidak lah baik .

Apabila sikap negatif dan sikap positif ini dikomunikasikan oleh para seniman kepada para pembaca, penonton, maka para pembaca, para penonton akan memberikan penilaiannya. Penilaian itu dapat berupa kemauan untuk mengdakan perubahan nilai – nilai kehidupan dalam masyarakat dengan tujuan perbaikan keadaan. Keadaan yang sudah tidak sesuai ditinggalkan dan diganti dengan keadaan yang lebih sesuai. Keadaan yang berupa hambatan harus disingkirkan.

MANUSIA DAN KEADILAN

1.      PENGERTIAN KEADILAN

Pengertian Keadilan, Keadilan menurut Aristoteles adalah kelayakan dalam tindakan manusia. Kelayakan diartikan sebagai titik tengah antara kedua ujung ekstrem yang terlalu banyak dan terlalu sedikit. Kedua ujung ekstrem ini menyangkut dua orang atau benda. Bila kedua orang tersebut mempunyai kesamaan dalam ukuran yang telah ditetapkan, maka masing-masing orang harus memperoleh benda atau hasil yang sama, kalau tidak sama, maka masing – masing orang akan menerima bagian yang tidak sama, sedangkan pelangggaran terjadap proporsi tersebut disebut tidak adil.

Keadilan oleh Plato diproyeksikan pada diri manusia sehingga yang dikatakan adil adalah orang yang mengendalikan diri dan perasaannya dikendalikan oleh akal. Socrates memproyeksikan keadilan pada pemerintahan. Menurut Socrates, keadilan akan tercipta bilamana warga Negara sudah merasakan bahwa pemerintah sudah melakukan tugasnya dengan baik. Mengapa diproyeksikan kepada pemerintah ? sebab pemerintah adalah pimpinan pokok yang menentukan dinamika masyarakat. Kong Hu Cu berpendapat bahwa keadilan terjadi apabila anak sebagai anak, bila ayah sebagai ayah, bila raja sebagai raja, masing-masing telah melaksanakan kewajibannya. Pendapat ini terbatas pada nilai-nilai tertentu yang sudah diyakini atau disepakati.

Menurut pendapat yang lebih umum dikatakan bahwa keadilan itu adalah pengakuan dan pelakuan yang seimbang antara hak-hak dan kewajiban. Keadilan terletak pada keharmonisan menuntut hak dan menjalankan kewajiban. Atau dengan kata lain, keadilan adalah keadaan bila setiap orang memperoleh apa yang menjadi hak nya dan setiap orang memperoleh bagian yang sama dari kekayaan bersama.

Keadilan memberikan kebenaran, ketegasan dan suatu jalan tengah dari berbagai persoalan juga tidak memihak kepada siapapun. Dan bagi yang berbuat adil merupakan orang yang bijaksana.

Contoh Keadilan:

Seorang koruptor yang memakan uang rakyat. Koruptor di tangkap dan dimasukan kepenjara selama 2 tahun tanpa ada goresan luka sedikit pun pada wajahnya. Hal tersebut mencerminkan bahwa hakim dan jaksa di indonesia tidak adil pada rakyat kecil yang dikarenakan mencuri dompet mendapatkan masa kurungan lebih dari sang koruptor, padahal koruptor lah yang mencuri uang rakyat lebih banyak dari pada pencopet itu. Bahkan koruptor bisa mendapatkan fasilitas yang istimewa bahkan seperti apartemen didalam penjara.

2.      KEADILAN SOSIAL

Seperti pancasila yang bermaksud keadilan sosial adalah langkah yang menetukan untuk melaksanakan Indonesia yang adil dan makmur. Setiap manusia berhak untuk mendapatkan keadilan yang seadil-adilnya sesuai dengan kebijakannya masing-masing.

5  Wujud keadilan sosial yang diperinci dalam perbuatan dan sikap:

Dengan sila keadilan sosial bagi seluruh rakyat Indonesia manusia Indonesia menyadari hak dan kewajiban yang sama untuk untuk menciptakan keadilan sosial dalam kehidupan masyarakat Indonesia.

Selanjutnya untuk mewujudkan keadilan sosial itu, diperinci perbuatan dan sikap yang perlu dipupuk, yakni :

1. Perbuatan luhur yang mencerminkan sikap dan suasana kekeluargaan dan kegotongroyongan.

2. Sikap adil terhadap sesama, menjaga keseimbangan antara hak dan kewajiban serta menghormati hak-hak orang lain.

3. Sikap suka memberi pertolongan kepada orang yang memerlukan

4. Sikap suka bekerja keras.

5. Sikap menghargai hasil karya orang lain yang bermanfaat untuk mencapai kemajuan dan kesejahteraan bersama.

Asas yang menuju dan terciptanya keadilan sosial itu akan dituangkan dalam berbagai langkah dan kegiatan, antara lain melalui delapan jalur pemerataan yaitu :

1. Pemerataan pemenuhan kebutuhan pokok rakyat banyak khususnya pangan, sandang dan perumahan.

2.      Pemerataan memperoleh pendidikan dan pelayanan kesehatan.

3.      Pemerataan pembagian pendapatan.

4.      Pemerataan kesempatan kerja.

5.      Pemerataan kesempatan berusaha.

6.    Pemerataan kesempatan berpartisipasi dalam pembangunan khususnya bagi generasi muda dan  kaum wanita.

7.      Pemerataan penyebaran pembangunan di seluruh wilayah tanah air.

8.      Pemerataan kesempatan memperoleh keadilan.

3.      BERBAGAI MACAM KEADILAN

a)   Keadilan Legal atau Keadilan Moral

Plato berpendapat bahwa keadilan dan hukum merupakan substansi rohani umum dari masyarakat yang membuat dan menjaga kesatuannya. Dalam suatu masyarakat yang adil setiap orang menjalankan pekerjaan yang menurut sifat dasarnya paling cocok baginya (Than man behind the gun). Pendapat Plato itu disebut keadilan moral, sedangkan Sunoto menyebutnya keadilan legal.

b)   Keadilan Distributif

Aristoles berpendapat bahwa keadilan akan terlaksana bilamana hal-hal yang sama diperlakukan secara sama dan hal-hal yang tidak sama secara tidak sama (justice is done when equals are treated equally) Sebagai contoh: Ali bekerja 10 tahun dan budi bekerja 5 tahun. Pada waktu diberikan hadiah harus dibedakan antara Ali dan Budi, yaitu perbedaan sesuai dengan lamanya bekerja. Andaikata Ali menerima Rp.100.000,-maka Budi harus menerima Rp. 50.000,-. Akan tetapi bila besar hadiah Ali dan Budi sama, justru hal tersebut tidak adil.

c)   Komutatif

Keadilan ini bertujuan memelihara ketertiban masyarakat dan kesejahteraan umum. Bagi Aristoteles pengertian keadilan itu merupakan asas pertalian dan ketertiban dalam masyarakat. Semua tindakan yang bercorak ujung ekstrim menjadikan ketidak adilan dan akan merusak atau bahkan menghancurkan pertalian dalam masyarakat.

Contoh :

Dr.Sukartono dipanggil seorang pasien, Yanti namanya, sebagai seorang dokter ia menjalankan tugasnya dengan baik. Sebaliknya Yanti menanggapi lebih baik lagi. Akibatnya, hubungan mereka berubah dari dokter dan pasien menjadi dua insan lain jenis saling mencintai. Bila dr. sukartono belum berkeluarga mungkin keadaan akan baik saja, ada keadilan komutatif. Akan tetapi karena dr. sukartono sudah berkeluarga, hubungan itu merusak situasi rumah tangga, bahkan akan menghancurkan rumah tangga. Karena Dr.Sukartono melalaikan kewajibannya sebagai suami, sedangkan Yanti merusak rumah tangga Dr.Sukartono.

4.      KEJUJURAN

Kejujuran atau jujur artinya apa yang dikatakan seseorang sesuai dengan hati nuraninya, apa yang dikatakannya sesuai dengan kenyataan yang ada. Sedang kenyataan yang ada itu adalah kenyataan yang benar-benar ada. Jujur juga berarti seseorang bersih hatinya dari perbuatan-perbuatan yang dilarang oleh agama dan hukum. Untuk itu dituntut satu kata dan perbuatan-perbuatan yang berarti bahwa apa yang dikatakan harus sama dengan perbuatannya. Karena itu jujur juga menepati janji atau kesanggupan yang terlampir melalui kata-kata ataupun yang masih terkandung dalam nuraninya yang berupa kehendak, harapan dan niat.

Hakikat kejujuran dalam hal ini adalah hak yang telah tertetapkan, dan terhubung kepada Tuhan. Ia akan sampai kepada-Nya, sehingga balasannya akan didapatkan di dunia dan akhirat. Tuhan telah menjelaskan tentang orang-orang yang berbuat kebajikan, dan memuji mereka atas apa yang telah diperbuat, baik berupa keimanan, sedekah ataupun kesabaran. Bahwa mereka itu adalah orang-orang jujur dan benar. Dan pada hakekatnya jujur atau kejujuran dilandasi oleh kesadaran moral yang tinggi, kesadaran pengakuan akan adanya sama hak dan kewajiban, serta rasa takut terhadap kesalahan atau dosa.

5.      KECURANGAN

Kecurangan atau curang identik dengan ketidak jujuran atau tidak jujur, dan sama pula dengan licik, meskipun tidak serupa benar. Sudah tentu kecurangan sebagai lawan jujur.

Curang atau kecurangan artinya apa yang diinginkan tidak sesuai dengan hati nuraninya. Atau orang itu memang dari hatinya sudah berniat curang dengan maksud memperoleh keuntungan tanpa bertenaga dan usaha. Kecurangan menyebabkan manusia menjadi serakah, tamak, ingin menimbun kekayaan yang berlebihan dengan tujuan agar dianggap sebagai orang yang paling hebat, paling kaya dan senang bila masyarakat sekelilingnya hidup menderita.

Sebab-Sebab Seseorang Melakukan Kecurangan

Bermacam-macam sebab orang melakukan kecurangan, ditinjau dari hubungan manusia dengan alam sekitarnya ada empat aspek yaitu:

1.      Aspek ekonomi

2.      Aspek kebudayaan

3.      Aspek peradaban

4.      Aspek tenik

Apabila ke empat aspek tersebut dilaksanakan secara wajar, maka segalanya akan berjalan sesuai dengan norma-norma moral atau norma hukum, akan tetapi apabila manusia dalam hatinya telah digerogoti jiwa tamak, iri, dengki, maka manusia akan melakukan perbuatan yang melanggar norma tersebut dan jadilah kecurangan. Tentang baik dan buruk Pujowiyatno dalam bukunya "filsafat sana-sini" menjelaskan bahwa perbuatan yang sejenis dengan perbuatan curang, misalnya berbohong, menipu, merampas, memalsu dan lain-lain adalah sifat buruk. Lawan buruk sudah tentu baik. Baik buruk itu berhubungan dengan kelakuan manusia. Pada diri manusia seakan –akan ada perlawanan antara baik dan buruk. Baik merupakan tingkah laku, karena itu diperlukan ukuran untuk menilainya, namun sukarlah untuk mengajukan ukuran penilaian mengenai halyang penting ini. Dalam hidup kita mempunyai semacam kesadaran dan tahulah kita bahwa ada baik dan lawannya pada tingkah laku tertentu juga agak mudah menunjuk mana yang baik, kalau tidak baik tentu buruk.

6.      PERHITUNGAN DAN PEMBALASAN

Pembalasan adalah suatu reaksi atas perbuatan orang lain. Reaksi itu dapat berupa perbuatan serupa, perbuatan yang seimbang, tingkah laku yang serupa, tingkah laku yang seimbang.

Dalam Al-Qur’an terdapat ayat-ayat yang menyatakan bahwa Tuhan mengadakan pembalasan. Bagi yang bertakwa kepada Tuhan diberikan pembalasan, dan bagi yang mengingkari perintah Tuhan pun diberikan pembalasan yang seimbang, yaitu siksaan di neraka. Pembalasan disebabkan oleh adanya pergaulan. Pergaulan yang bersahabat mendapatkan pembalasan yang bersahabat. Sebaliknya, pergaulan yang penuh kecurigaan, menimbulkan pembalasan yang tidak bersahabat pula.

Pada dasarnya, manusia adalah makhluk moral dan makhluk sosial. Dalam bergaul, manusia harus mematuhi norma-norma untuk mewujudkan moral itu. Bila manusia bermuat amoral, lingkunganlah yang menyebabkannya. Perbuatan amoral pada hakekatnya adalah perbuatan yang melanggar hak dan kewajiban manusia lain. Oleh karena itu manusia tidak menghendaki hak dan kewajibannya dilanggar, maka manusia berusaha mempertahankan hak dan kewajibannya itu. Mempertahankan hak dan kewajiban itu adalah pembalasan.

7.      PEMULIHAN NAMA BAIK

Nama baik merupakan tujuan utama orang hidup. Nama baik adalah nama yang tidak tercela. Setiap orang menajaga dengan hati-hati agar namanya baik. Lebih-lebih jika ia menjadi teladan bagi orang/tetangga disekitarnya adalah suatu kebanggaan batin yang tak ternilai harganya. Penjagaan nama baik erat hubungannya dengan tingkah laku atau perbuatan. Atau boleh dikatakan bama baik atau tidak baik ini adalah tingkah laku atau perbuatannya. Yang dimaksud dengan tingkah laku dan perbuatan itu, antara lain cara berbahasa, cara bergaul, sopan santun, disiplin pribadi, cara menghadapi orang, perbuatan-perbuatan yang dihalalkan agama dan sebagainya.

Pada hakekatnya pemulihan nama baik adalah kesadaran manusia akan segala kesalahannya; bahwa apa yang diperbuatnya tidak sesuai dengan ukuran moral atau tidak sesuai dengan ahlak yang baik. Untuk memulihkan nama baik manusia harus tobat atau minta maaf. Tobat dan minta maaf tidak hanya dibibir, melainkan harus bertingkah laku yang sopan, ramah, berbuat darma dengan memberikan kebajikan dan pertolongan kepaa sesama hidup yang perlu ditolong dengan penuh kasih sayang , tanpa pamrin, takwa terhadap Tuhan dan mempunyai sikap rela, tawakal, jujur, adil dan budi luhur selalu dipupuk

Implementasi Teknik Data Mining Untuk Memprediksi Tingkat Kelulusan Mahasiswa Pada Universitas Bina Darma Palembang

IMPLEMENTASI TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA PADA UNIVERSITAS BINA DARMA PALEMBANG

Abstrak

Kegiatan evaluasi, perencanaan, dan pengambilan keputusan akan dapat dilakukan dengan lebih baik jika sebuah organisasi memiliki informasi yang lengkap, cepat, tepat, dan akurat. Informasi yang dibutuhkan dapat diekstrak dari data operasional yang tersimpan dalam database yang terintegrasi. Penelitian ini mengkaji ektraksi data operasional ke dalam sebuah data warehouse untuk kemudian dilanjutkan dengan kegiatan analisis data menggunakan teknik data mining. Data Mining merupakan proses analisis data menggunakan perangkat lunak untuk menemukan pola atau aturan tertentu dari sejumlah data dalam jumlah besar yang diharapkan dapat menemukan pengetahuan guna mendukung keputusan. Penelitian ini memanfaatkan data Mahasiswa dan data IPK, untuk menentukan karakteristik mahasiswa yang digunakan untuk prediksi kelulusan. Dalam penelitian ini teknik data mining yang digunakan yaitu Classification dengan menerapkan metode Decision Tree dan algoritma J48 untuk membantu menemukan karakteristik atau variabel yang mempengaruhi tingkat kelulusan mahasiswa pada jurusan sistem informasi Universitas Bina Darma Palembang, sehingga untuk selanjutnya dapat digunakan dalam memprediksi tingkat kelulusan mahasiswa yang akan datang. Tools yang digunakan untuk proses analisis data mining dalam penelitian ini menggunakan Weka 3.6.8. Dari hasil analisis yang telah dilakukan yang menggunakan data Mahasiswa dan IPK sebagai sampel dihasilkan keputusan bahwa variabel tempat lahir memiliki nilai Gain tertinggi sehingga atribut ini menjadi root dalam Decision Tree, kesimpulan akhir didapat bahwa variabel tempat lahir, pekerjaan orang tua, asal sekolah dan jenis kelamin adalah variabel yang menentukan tingkat kelulusan mahasiswa pada jurusan Sistem Informasi Universitas Binadarma Palembang.

Kata Kunci : Data Warehouse, Data Mining, Classification, Decision Tree, Algoritma J48

1. PENDAHULUAN

1.    1 Latar Belakang

Informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari, informasi akan menjadi suatu elemen penting dalam perkembangan masyarakat saat ini dan waktu mendatang.Pemanfaatan data yang ada di dalam sistem informasi untuk menunjang kegiatan pengambilan keputusan tidak cukup hanya mengandalkan data operasional saja, tetapi diperlukan suatu analisis data untuk menggali potensi-potensi informasi yang ada. Para pengambil keputusan berusaha untuk memanfaatkan gudang data yang sudah dimiliki dalam mengambil keputusan, hal ini mendorong munculnya cabang ilmu baru untuk mengatasi masalah penggalian informasi atau pola yang penting dan menarik dari data jumlah besar, yang disebut dengan data mining. Penggunaan teknik data mining diharapkan dapat memberikan pengetahuan-pengetahuan yang sebelumnya tersembunyi di dalam gudang data (data warehouse), sehingga menjadi informasi yang berharga.

Perguruan tinggi saat ini dituntut untuk memiliki keunggulam bersaing dengan memanfaatkan semua sumber daya yang dimiliki. Sistem informasi digunakan untuk mendapatkan, mengolah dan menyebarkan informasi serta menunjang kegiatan operasional sehari-hari sekaligus menunjang kegiatan pengambilan keputusan strategis. Pemanfaatan data kelulusan pada gudang data saat ini belum dimanfaatkan secara maksimal dan efisien, sehingga tingkat kelulusan mahasiswanya belum sepenuhnya dilihat dengan mudah dan cepat. Untuk melihat dan dapat mengetahui prediksi tingkat kelulusan mahasiswa tersebut, maka dapat memaksimalkan dan memanfaatkan data-data yang menumpuk di gudang data khususnya data kelulusan. Dengan memanfaatkan teknik data mining, peneliti mencoba untuk menggali dan mendapatkan informasi-informasi yang berguna untuk mendukung pengambilan keputusan manajemen terutama yang berkaitan dengan prediksi tingkat kelulusan mahasiswa.

Berdasarkan latar belakang yang telah di uraikan diatas, maka permasalahan yang dapat dirumuskan dalam penelitian ini adalah “Bagaimana mengimplementasi teknik data mining untuk memprediksi tingkat kelulusan mahasiswa pada Universitas Bina Darma Palembang?”. Tujuan dari penelitian ini adalah untuk mengetahui variabel-variabel yang mempengaruhi tingkat kelulusan mahasiswa jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Binadarma Palembang.

2. TINJAUAN PUSTAKA

Beberapa penelitian yang menjadi referensi dalam penelitian yang penulis lakukan meliputi, penelitian yang dilakukan oleh Ernawati yang berjudul ”Prediksi Status Keaktifan Studi Mahasiswa dengan Algoritam C5.0 dan K-Nearest Neighbor”, penelitian ini bertujuan menerapkan dan melakukan analisis algoritma C5.0 dan K-Nearest Neighbor pada dataset akademik untuk melihat karakteristik mahasiswa yang aktif, penelitian berikutnya adalah penelitian yang dilakukan oleh Raditya yang berjudul”Implementasi Data Mining Classification untuk mencari pola prediksi Hujan dengan menggunakan Algoritma C4.5. Penelitian ini mengunakan bahasa pemrograman Java serta DBMS MySQL untuk membangun aplikasinya. Akurasi pola prediksi yang didapat mampu mencapai 79%. Akurasi tersebut dihasilkan dari uji coba dengan mengunakan data cuaca tahun 2007 sebagai data training nya serta data cuaca tahun 2008 dan 2009 sebagai data testingnya. Penelitian berikutnya yang menjadi acuan adalah penelitian yang dilakukan oleh Azimah dan Sucahyo dengan judul ”Penggunaan Data Warehouse dan Data Mining untuk Data Akademik”, Tujuan penelitian ini adalah untuk mengetahui Kegiatan evaluasi, perencanaan, dan pengambilan keputusan akan dapat dilakukan dengan lebih baik jika sebuah organisasi memiliki informasi yang lengkap, cepat, tepat, dan akurat.

2.1 Data Warehouse

Data warehouse adalah sistem yang mengambil dan menggabungkan data secara periodik dari sistem sumber data ke penyimpanan data bentuk dimensional atau normal (Rainardi, 2008).

Menurut (Han, 2006) Data Warehouse adalah penyimpanan data tetap sebagai implementasi fisik dari pendukung keputusan model data. Data warehouse juga biasanya dilihat sebagai arsitektur, pembangunan dan penyatuan data dari bermacam-macam sumber data yang berbeda untuk mendukung struktur dan atau query tertentu, laporan analisis dan pembuatan keputusan. Data warehouse merupakan suatu lingkungan dimana user bisa menemukan suatu informasi yang strategis atas kumpulan data-data yang dimiliki, yang bersifat integrated, subject-oriented, nonvolatile, dan time-variant.

2.2 Data Mining

Data mining merupakan bidang dari beberapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistik, database, dan visualisasi untuk penanganan permasalahan pengambilan informasi dari database yang besar (Larose, 2005).

Secara garis besar data mining dapat dikelompokkan menjadi 2 kategori utama, yaitu (Tan et al, 2005) :

a)      Descriptive mining, yaitu proses untuk menemukan karakteristik penting dari data dalam suatu basis data. Teknik data mining yang termasuk dalam descriptive mining adalah clustering, association, dan sequential mining.

b)      Predictive, yaitu proses untuk menemukan pola dari data dengan menggunakan beberapa variabel lain di masa depan. Salah satu teknik yang terdapat dalam predictive mining adalah klasifikasi.

2.3 Classification

Classification adalah proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya tidak diketahui (Han dan Kamber, 2006). Klasifikasi merupakan fungsi pembelajaran yang memetakan (mengklasifikasi) sebuah unsur (item) data ke dalam salah satu dari beberapa kelas yang sudah didefinisikan. Data input untuk klasifikasi adalah koleksi dari record. Setiap record dikenal sebagai instance atau contoh, yang ditentukan oleh sebuah tuple (x,y), dimana x adalah himpunan atribut dan y adalah atribut tertentu, yang dinyatakan sebagai label kelas (juga dikenal sebagai kategori atau atribut target).

Beberapa teknik klasifikasi yang digunakan adalah decision tree classifier, rule-based classifier, neural-network, support vector machine, dan naive bayes classifier. Setiap teknik menggunakan algoritma pembelajaran untuk mengidentifikasikan model yang memberikan hubungan yang paling sesuai antara himpunan atribut dan label kelas dari data input.

2.4 Decision Tree

Decision tree (pohon keputusan) adalah sebuah diagram alir yang mirip dengan struktur pohon, di mana setiap internal node menotasikan atribut yang diuji, setiap cabangnya merepresentasikan hasil dari atribut tes tersebut, dan leaf node merepresentasikan kelas-kelas tertentu atau distribusi dari kelas-kelas (Han & Kamber, 2001). Decision tree terdapat 3 jenis node, yaitu:

a. Root Node, merupakan node paling atas, pada node ini tidak ada input dan bisa tidak mempunyai output atau mempunyai output lebih dari satu.

b. Internal Node, merupakan node percabangan, pada node ini hanya terdapat satu input dan mempunyai output minimal dua.

c. Leaf node atau terminal node , merupakan node akhir, pada node ini hanya terdapat satu input dan tidak mempunyai output.

Penggunaan decision tree perlu memperhatikan hal-hal seperti, atribut mana yang akan dipilih untuk pemisahaan obyek, urutan atribut mana yang akan dipilih terlebih dahulu, struktur tree, criteria pemberhentian dan pruning.

2.5 Algoritma J48

Algoritma J48 adalah salah satu kelas dipaket classifier pada aplikasi data mining weka yang mengimplementasikan algoritma C4.5. Dalam membangun model berupa pohon keputusan Algoritma C4.5 menggunakan pendekatan teori information gain. Algoritm C4.5 mempunyai kelebihan karena dapat menghasilkan model berupa pohon. Model yang dihasilkan dengan Algoritma C4.5 (algoritma J48 dalam WEKA) yang dihasilkan dalam proses training dari data pelatihan berupa sebuah pohon keputusan. Pada algoritma C4.5, pemilihan atribut yang akan diproses menggunakan information gain. Jika dalam memilih atribut untuk memecah obyek dalam beberapa kelas harus kita pilih atribut yang menghasilkan information gain paling besar.

Ukuran information gain digunakan untuk memilih atribut uji pada setiap node di dalam tree. Ukuran ini digunakan untuk memilih atribut atau node pada pohon. Atribut dengan nilai information gain tertinggi akan terpilih sebagai parent bagi node selanjutnya. Sebelum menghitung gain harus dihitung terlebih dahulu nilai entropy-nya. Entropy adalah suatu parameter untuk mengukur heterogenitas (keberagaman) dari suatu kumpulan data sampel. Apabila sampel data semakin heterogen maka nilai dari entropy-nya semakin besar. Formula dari entropy adalah:

dengan c adalah jumlah nilai yang ada pada atribut target (jumlah kelas klasifikasi), dan pi adalah jumlah sampel untuk kelas i.

Setelah nilai entropy diperoleh maka langkah selanjutnya adalah menghitung gain untuk mengukur efektifitas suatu atribut dalam mengklasifikasi data. Gain dihitung dengan menggunakan rumus:

Dimana v adalah suatu nilai yang mungkin untuk atribut A, values (A) menyatakan himpunan nilai-nilai yang mungkin untuk atribut A. Sv menyatakan jumlah sampel data untuk nilai v, dan S merupakan jumlah seluruh dari sampel data, sedangkan entropy(Sv) merupakan entropy untuk sampel-sampel yang memiliki nilai v.

2.6 Evaluasi dan Alat Ukur

Evaluasi model merupakan yang dikerjakan dalam penelitian ini dengan tujuan untuk memperoleh informasi yang terdapat pada hasil klasifikasi terhadap algoritma yang digunakan. Dalam weka classifier hasil klasifikasi yang diperoleh disertakan dengan beberapa alat ukur yang tersedia didalamnya, seperti Confusion Matrix.

Dalam penelitian ini dipilih alat ukur berupa confusion matrix yang terdapat pada weka classifier dengan tujuan untuk mempermudah dalam menganalisis performa algoritma karena confusion matrix memberikan informasi dalam bentuk angka sehingga dapat dihitung rasio keberhasilan klasifikasi. Confusion matrix adalah salah satu alat ukur berbentuk matrix 2x2 yang digunakan untuk mendapatkan jumlah ketepatan klasifikasi dataset terhadap kelas lulus dan tidak lulus pada algoritma yang dipakai. tiap kelas yang diprediksi memiliki empat kemungkinan keluaran yang berbeda, yaitu trues positives (TP) dan true negatives (TN) yang menunjukkan ketepatan klasifikasi. Jika prediksi keluaran bernilai positif sedangkan nilai aslinya adalah negatif maka disebut dengan false positive (FP) dan jika prediksi keluaran bernilai negatif sedangkan nilai aslinya adalah positif maka disebut dengan false negative (FN). Berikut ini pada tabel 2.1 disajikan bentuk confusion matrix seperti yang telah dijelaskan sebelumnya.

Tabel 1. Confusion matrix untuk masalah klasifikasi kelas

Beberapa kegiatan yang dapat dilakukan dengan menggunakan data hasil klasifikasi dalam confusion matrix diantaranya:

-         Menghitung nilai rata-rata keberhasilan klasifikasi (overall success rate) ke dalam kelas yang sesuai dengan cara membagi jumlah data yang terklasifikasi dengan benar, dengan seluruh data yang diklasifikasi.

-         Selain itu dilakukan pula perhitungan persentase kelas positif (true positive dan false positive ) yang

diperoleh dalam klasifikasi, yang disebut dengan lift chart

-          Lift chart terkait erat dengan sebuah teknik dalm mengevaluasi skema data mining yang dikenal dengan ROC (receiver operating characteristic) yang berfungsi mengekspresikan persentase jumlah proporsi positif dan negatif yang diperoleh.

-          Recall precision berfungsi menghitung persentase false positive dan false negative untuk menemukan informasi di dalamnya

3.                   METODE PENELITIAN

Metode yang digunakan dalam penelitian ini adalah sebagai berikut:

a. Pengamatan (Observasi)

Melakukan pengamatan langsung ke bagian UPT – SIM pengolahan data Universitas Bina Darma Palembang untuk mendapatkan data yang dibutuhkan.

b. Wawancara (Interview)

Mengadakan wawancara dengan pihak-pihak yang berkaitan langsung dengan permasalahan yang sedang di bahas pada tugas akhir ini untuk memperoleh gambaran dan penjelasan secara mendasar.

c. Studi Pustaka

Penulis mengumpulkan berbagai referensi dan literatur pendukung penelitian berupa buku, jurnal dan artikel yang berasal dari berbagai sumber yang erat kaitannya dengan objek permasalahan

Tahapan data mining yang digunakan dalam penelitian ini meliputi: proses seleksi, pembersihan data, integrasi data, transformasi data, data mining dan evaluasi pola serta presentasi pengetahuan.

3.1 Seleksi Data (data selection)

Sumber data yang digunakan dalam penelitian ini berasal dari data mahasiswa tahun 2000 sampai dengan 2011 pada jurusan sistem informasi Universitas Bina Darma Palembang. Beberapa jenis data diperoleh dari sistem yang berjalan namun hanya data mahasiswa dan data IPK (Indeks Prestasi Komulatif) saja yang digunakan untuk penelitian, karena informasi yang terkandung didalamnya sudah mewakili informasi yang dibutuhkan untuk dijadikan indicator penentu klasifikasi data keluaran yang diinginkan.

Jumlah data yang diperoleh adalah sebanyak 1.000 record data yang berasal dari tabel mahasiswa dan 41.367 record data yang berasal dari tabel IPK. Dataset mahasiswa terdiri dari 23 atribut yang menjelaskan identitas diri mahasiswa dan informasi tentang keadaan mahasiswa yang bersangkutan. Dataset mahasiswa diambil dari penggabungan beberapa tabel yang terdiri dari tb_mhs, tb_khs, dan tb_mk. Atribut tersebut diantaranya adalah nim, nama, jenis_kelamin, temp_lahir, tgl_lahir, kd_progdi, alamat, asal_sek, kota, pek_ortu, kd_mk, sms, sms_pendek, tahun_akademik, kelas, kd_dosen, kd_progdi, tugas, kuis, mid, semester, nilai_angka, nilai_huruf, dan sks. Sedangkan dataset IPK hanya terdiri dari 5atribut, dimana memberikan informasi mengenai prestasi akademik dan beban studi yang diambil mahasiswa yang bersangkutan. Atribut tersebut diantaranya adalah nim, nama, sum(sks), total_nilai, dan IPK.

3.2 Praproses Data

a. Pembersihan Data (data cleaning)

Tahap kedua pada proses data mining adalah cleaning data yaitu melakukan pembersihan data terhadap noise yang ditemukan berupa missing value, inkonsisten data, dan redundant data. Seluruh atribut diatas selanjutnya akan diseleksi untuk mendapatkan atribut-atribut yang berisi nilai yang relevan, tidak missing value, dan tidak redundant, dimana ketiga syarat tersebut merupakan syarat awal yang harus dikerjakan dalam data mining sehingga akan diperoleh dataset yang bersih untuk digunakan pada tahap mining data. Pada dataset mahasiswa ditemukan data yang missing value maka dilakukan cleaning data terhadap data dengan missing value yang dimaksud.

b. Integrasi Data

Tahap ketiga pada proses data mining adalah tahap integrasi data yaitu tahap penggabungan data dengan tujuan memindahkan seluruh data yang telah di-cleaning menjadi satu tabel. Pada tahap ini dari ketiga tabel akan di integrasikan untuk mendapatkan data source mahasiswa dan data source IPK, dari kedua data source tersebut akan digabungkan dalam satu tabel yang nantinya akan memudahkan dalam proses mining data. Gambar 1 menunjukkan bentuk integrasi data dari tabel mahasiswa, tabel khs, dan tabel matakuliah yang membentuk satu tabel tunggal sebagai data warehouse yang akan digunakan untuk proses analisis teknik data mining.

Gambar 1 Proses Integrasi Data

c. Transformasi Data (Tranformation)

Tahap keempat pada proses data mining adalah tahap tranformasi data yaitu pada tahap ini data diubah menjadi bentuk yang sesuai untuk diproses dalam data mining. Dalam penelitian ini data yang akan diproses dari database mysql akan diubah menjadi file CSV(Comma Separated Values) yang dapat digunakan untuk pengolahan data pada tools WEKA.

4. HASIL DAN PEMBAHASAN

4. 1 Data Mining

Data mining merupakan proses mencari pola atau informasi menarik dalam data yang terpilih dengan menggunakan teknik atau metode tertentu. Pemilihan teknik dan algoritma yang tepat sangat bergantung pada proses KDD (Knowledge Discovery in Database) secara keseluruhan. Pada penelitian ini penerapan data mining menggunakan teknik classification dan algoritma J48 untuk mengetahui vareiabel penentu tingkat kelulusan mahasiswa. Tahap data mining merupakan inti dari tahapan KDD yang dilakukan untuk menganalisis data yang sudah bersih. Proses análisis data mining dalam penelitian ini menggunakan perangkat lunak aplikasi data mining WEKA 3.6.8. Dengan menggunakan data warehouse yang telah dihasilkan melalui tahapan awal dalam data mining maka langkah berikutnya adalah melakukan proses análisis data mining dengan teknik classification dan menggunakan algoritma J48.

4.2 Penerapan Algoritma J48 menggunakan Aplikasi WEKA

Berikut ini merupakan tampilan proses klasifikasi J48 dengan menggunakan atribut dalam data warehouse yang sudah melalui proses cleaning dan transformasi data pada aplikasi WEKA 3.6.8.

Gambar 2. Tampilan Algoritma J48 dalam aplikasi WEKA

Pada gambar diatas beberapa fungsi atribut yang terdapat dalam aplikasi WEKA adalah sebagai berikut:

Keterangan :

Choose

: J48-C0.25-M2 maksudnya adalah pemilihan algoritma

klasifikasi

Use Training Set: Menggunakan data training set

Supplied test set: Menggunakan data testing

Cross-validation: Membagi data menurut bagian

Percentage Split: Persentase dari perpecahan atau percabangan

Dengan menggunakan test options 3-fold cross validation maka dataset tersebut kemudian digunakan untuk mengkontruksi pohon keputusan (decisión tree) yang dimulai dengan pembentukan bagian akar, kemudian data terbagi berdasarkan atribut-atribut yang sesuai untuk dijadikan leaf node. Tahap ini dimulai dengan melakukan

seleksi atribut menggunakan formula information gain yang terdapat pada algoritma J48, sehingga diperlukan nilai gain untuk masing-masing atribut, yang mana atribut dengan nilai gain tertinggi akan menjadi parent bagi node-node selanjutnya. Node-node tersebut berasal dari atribut-atribut yang memiliki nilai gain yang lebih kecil dari nilai gain atribut parent. Maka untuk mendapatkan nilai gain dari dua kelas output yang berbeda yaitu lulus dan tidak lulus pada dataset mahasiswa adalah dengan menghitung tingkat impurity kedua kelas tersebut. Berikut ini adalah contoh perhitungan node data kelas mahasiswa lulus dan tidak lulus berdasarkan beberapa atribut.

Tabel 2. Perhitungan Node

Hasil diatas diperoleh dengan menggunakan test options 3-fold cross validation. Dari hasil tabel tersebut diperoleh atribut dengan nilai gain tertinggi yang kemudian dipilih sebagai simpul pertama pada decision tree. Pada simpul selanjutnya secara berurutan diisi oleh atribut-atribut yang bernilai gain lebih rendah, dan akan berhenti pada simpul akhir yang berisi kelas output dari setiap cabangnya yang dikenal dengan nama leaf atau daun. Tabel 2 diatas tersebut menyajikan nilai gain dari seluruh atribut yang mana nilai gain atribut pek_ortu, kota, jenis_kelamin, temp_lahir dan asal_sek yang terdapat dalam tabel adalah hasil pembulatan terhadap nilai aslinya.

Pada tabel 2 terlihat bahwa nilai atribut temp_lahir memiliki nilai gain tertinggi, sehingga atribut ini menjadi atribut root pada decision tree, kemudian dilanjutkan dengan atribut pek_ortu, asal_sek dan jenis kelamin dan diakhiri oleh label kelas lulus dan tidak lulus yang berfungsi sebagai leaf. Maka dapat dikatakan bahwa parameter penentu pertama seorang mahasiswa tingkat kelulusan pada waktu yang akan datang dilihat dari tempat lahir mahasiswa yang bersangkutan, kemudian pekerjaan orang tua, asal sekolah, dan jenis kelamin mahasiswa tersebut. Sedangkan atribut pada kota nilai gain yang diperoleh sangat kecil jika dibandingkan

dengan atribut lainnya, sehingga dapat disimpulkan bahwa dukungan informasi yang terkandung dalam atribut tersebut terhadap output yang dicapai sangat kecil. Maka atribut tersebut akan dipangkas (pruned) dan tidak terpilih sebagai atribut untuk decision tree. Pada gambar 3 berikut ini merupakan hasil klasifikasi data menggunakan weka classifier.

Gambar 3. Hasil Klasifikasi menggunakan WEKA

Pada gambar 3 diatas terlihat bahwa weka classifier hanya memilih atribut temp_lahir, pek_ortu, asal_sek, dan jenis_kelamin sebagai atribut dalam decision tree, sedangkan atribut pada kota langsung terpangkas dari decision tree. Maka dapat disimpulkan bahwa dengan jumlah dan jenis data yang ada hanya dibutuhkan beberapa atribut untuk mendapatkan kelas output dari dataset tersebut. Decision tree yang dihasilkan, seperti gambar 4.

Gambar 4. Decision Tree hasil Analisis Menggunakan WEKA

5. KESIMPULAN

Berdasarkan hasil penelitian dan pembahasan yang telah dijelaskan maka dapat disimpulkan bahwa atribut tempat lahir adalah atribut yang memiliki nilai Gain tertinggi, sehingga atribut ini menjadi root pada Decision Tree. Variabel tempat lahir, pekerjaan orang tua, asal sekolah dan jenis kelamin adalah variabel yang menentukan tinggkat kelulusan mahasiswa pada waktu yang akan datang. Rata-rata klasifikasi algoritma J48 dalam melakukan klasifikasi data mencapai akurasi diatas 90%. Hal ini menunjukkan bahwa algoritma tersebut memiliki performa yang handal dalam melakukan klasifikasi.

DAFTAR PUSTAKA

Angga         Raditya, Implementasi Data Mining Classification untuk Menacrai Pola Prediksi Hujan dengan Menggunakan Algoritma C4.5, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma

Ariana Azimah, Yudho Giri Sucahyo, Penggunaan Data Warehouse Dan Data Mining Untuk Data Akademik Sebuah Studi Kasus Pada Universitas Nasional, 2007

Daniel T, Larose, 2005. “Discovering Knowledge in Data: An Introduction to Data Mining”. John Wiley & Sons, Inc

Han, J. And Kamber, M, 2006, “Data Mining Concept and Techniques Second Edition ”. Morgan Kauffman, San Francisco.

Iin Ernawati, 2008, “Prediksi Status Keaktifan Studi Mahasiswa dengan Algoritma C5.0 dan K-Nearest Neighbor”, Institut Pertanian Bogor

Rainardi, Vincent, 2008, “Building Data Warehouse with Examples in SQL Server”, Springer, New York. Tan S, Kumar P, Steinbach M. 2005. “Introduction To Data Mining”. Addison Wesley