DATA MINING UNTUK MENGUJI RELEVANSI KEBERADAAN PRASYARAT MATA KULIAH

Yetli Oslan and R. Gunawan Santosa and Harianto Kristanto (2023) DATA MINING UNTUK MENGUJI RELEVANSI KEBERADAAN PRASYARAT MATA KULIAH. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 10 (2). pp. 129-138. ISSN 2407-4322

Text (Artikel Publikasi) Data Mining Untuk Menguji Relevansi Keberadaan Prasyarat MK.pdf Download (1MB)

Abstract

Kurikulum yang baik merupakan bagian yang penting dalam suatu proses akademik. Kurikulum di Prodi Sistem Informasi dikelompokkan dalam 5(lima) rumpunilmu, salah satunya adalah rumpun Basis Data yang akan digunakan dalam penelitian ini. Rumpun Basis Data terdiri dari 5 (lima) mata kuliah yaitu SI1433 [Analisis dan Perancangan Sistem Informasi], SI1443 [Sistem Basis Data], SI2323 [Perancangan Basis Data], SI3433 [Data Warehousing], SE4323 [Data Mining]. Tujuan dari penelitian ini adalah untuk melihat relevansi keberadaan mata kuliah prasyarat pada mata kuliah-mata kuliah di rumpun ilmu Basis Data. Relevansi diukur dari uji independensi pasangan 2 (dua) mata kuliah yang didasarkan pada uji statistik distribusi chi-square. Apabila pasangan mata kuliah menunjukkan dependensi, maka maka keberadaan prasyarat dianggap tepat, sedangkan jika hasil menunjukkan independensi, maka prasyarat tidak diperlukan. Kesimpulan akhir yang didapat dari penelitian ini adalah pasangan dari 5 mata kuliah yang diteliti semuanya dependen kecuali mata kuliah SI1433 (Analisis dan Perancangan Sistem Informasi) dan SI3433 (Data Warehousing) dengan nilai significant probabilitas 0,265. Jadi penerapkan mata kuliah prasyarat pada rumpun Basis Data di Prodi Sistem Informasi UKDW sudah relevan.

Item Type:	Article
Uncontrolled Keywords:	keterkaitan mata kuliah, mata kuliah prasyarat, dependensi, kurikulum, data mining, relevansi
Subjects:	L Pendidikan > LB Teori dan Praktik Pendidikan > LB2361 Kurikulum Q Ilmu Pengetahuan > QA Matematika > QA76 Perangkat Lunak (Software) Komputer Z Bibliografi. Ilmu Perpustakaan. Sumber Informasi > ZA Sumber-sumber Informasi > ZA4450 Database
Divisions:	Artikel (Luar UKDW)
Depositing User:	Beatrix Stefany
Date Deposited:	03 Sep 2024 07:53
Last Modified:	03 Sep 2024 07:53
URI:	http://katalog.ukdw.ac.id/id/eprint/9060

Actions (login required)

View Item