Tugas Sistem Informasi Manajemen

Jurnal Rekayasa Sistem Informasi dan Intelijen Bisnis

Sistem Pendukung Keputusan Akademik untuk Memilih Sub Sistem Informasi Program Jurusan menggunakan Algoritma Decision Tree 

Sistem Informasi adalah salah satu studi akademik yang kompleks yang mencakup konsep, prinsip, dan proses teknologi informasi dan manajemen bisnis sesuai dengan organisasi. strategi, perencanaan dan praktik. Oleh karena itu, konten akademik program gelar sistem informasi meliputi teknologi informasi, manajemen sistem informasi, pengembangan sistem informasi, dan proses bisnis organisasi. Tujuan dari sub jurusan dalam program sarjana Sistem Informasi (SI) adalah untuk mendorong siswa untuk mengeksplorasi spesialisasi akademik dan minat kerja mereka melalui serangkaian mata kuliah pilihan.  Sistem yang diusulkan akan dapat membantu Departemen Sistem Informasi dengan memberikan rekomendasi dan saran mengenai sub-utama yang paling cocok untuk siswa sistem informasi berdasarkan kompetensi, keterampilan, minat, dan tujuan karir mereka.  Sistem pendukung keputusan (DSS) adalah teknologi dan aplikasi yang dapat membantu pembuat keputusan dalam mengumpulkan informasi yang berguna dari data mentah terkait untuk mengidentifikasi dan memecahkan masalah. Komponen utama DSS adalah data yang sesuai, model, pengetahuan yang diperoleh dari data pemodelan, dan antarmuka pengguna. Salah satu faktor utama dalam merancang DSS adalah membangun dan merumuskan model yang sesuai berdasarkan masalah yang akan dipecahkan. Penggunaan teknik data mining untuk menghasilkan informasi dan pengetahuan dari repositori besar data di bidang pendidikan yang dikenal sebagai Educational Data Mining (EDM). Educational Data Mining (EDM) adalah aplikasi teknik Data Mining (DM) untuk data pendidikan, dan tujuannya adalah untuk menganalisis tipe data ini untuk menyelesaikan masalah penelitian pendidikan.

Dalam penelitian ini, kami menggunakan lulus data akademik dan pengalaman kerja mereka untuk mendapatkan pengetahuan tentang faktor-faktor yang dapat mempengaruhi IS (Information System) siswa untuk memilih sub IS yang paling cocok utama. Kami menggunakan data mining dan pendekatan berbasis aturan sebagai model DSS yang diusulkan. Untuk pendekatan penambangan data, kami menyajikan pembelajaran terawasi untuk mengklasifikasikan setiap sub jurusan SI berdasarkan laporan profil mahasiswa pascasarjana. Laporan ini akan digunakan untuk mengekstraksi aturan, yang tujuannya adalah: untuk menemukan hubungan antara kelas siswa dari mata kuliah inti dan setiap sub jurusan IS dan juga untuk mengklasifikasikan faktor dan atributnya antara masing-masing sub jurusan dan pekerjaan mereka di bidang minat. Langkah-langkah penelitian yang terdiri dari dua bagian utama, proses pemodelan dan perhitungan proses keputusan. Tujuan dari bagian pertama dari penelitian ini adalah untuk membangun model dan tujuan bagian kedua adalah untuk mengimplementasikan model dari sistem yang diusulkan. Pada bagian ini kita akan membahas metode penelitian membangun model. Untuk membangun model terlebih dahulu kita harus menyiapkan data, kemudian memodelkan data dengan membangun hipotesis untuk analisis faktor. Idenya adalah, untuk membangun model untuk sistem yang diusulkan mengklasifikasikan data dari siswa Sistem Informasi yang lulus. Dan pada fase terakhir kami membangun model berdasarkan perolehan pengetahuan dari analisis faktor dari fase sebelumnya. Ada tiga langkah utama dalam proses pembuatan model:

a.      Mengklasifikasi bidang minat kerja Program Sarjana Sistem Informasi. Tujuan dari langkah ini adalah untuk mengelompokkan profesi siswa yang lulus SI dan sub SI mereka. Pemrosesan data dilakukan dengan membagi pekerjaan masing-masing lulusan berdasarkan sub-jurusan yang diambil dari lulusan selama kuliah dan kemudian mencocokkan spesifikasi pekerjaan yang diperoleh dari Indeks Pekerjaan Sistem Informasi.

b.      Mengklasifikasikan kompetensi siswa berdasarkan kursus, nilai akhir siswa, IS pemetaan sub-program utama. Tujuan dari langkah ini adalah untuk menemukan program studi dan nilai mereka yang memengaruhi sub jurusan IS. C4.5 cocok untuk kemampuan pemangkasannya.

c.       Mengklasifikasikan sub mayor IS berdasarkan pada dataset aktual dan kursus pemetaan dan pererge-nya. Untuk mendapatkan model yang tepat, kami membangun tujuh hipotesis untuk menemukan analisis faktor yang menggambarkan hubungan antara sub-utama IS, sembilan program sebagai hasil dari proses sebelumnya dan nilai akhir mereka.

Bagian ini akan menjelaskan proses pengembangan sistem pendukung keputusan akademik yang diusulkan. Dalam fase pengembangan ini, kami menganalisis persyaratan fungsional, desain antarmuka pengguna, dan mengimplementasikan komputasi sistem yang diusulkan. Sistem akan mengotentikasi pengguna karena pengguna memiliki tingkat interaksi mereka sendiri dengan yang diusulkan sistem, menentukan kompetensi siswa untuk setiap sub jurusan berdasarkan nilai-nilai yang dimasukkan sesuai dengan model prediksi yang diusulkan, menampilkan rekomendasi pekerjaan berdasarkan sub-jurusan yang diusulkan oleh sistem, dan melihat pemilihan rekomendasi sub-jurusan yang sesuai dengan minat mereka dan kompetensi siswa. Sistem dashboard menunjukkan informasi tentang jumlah siswa yang memilih sub jurusan baik rekomendasi dan aktual. Penelitian ini menggunakan Unified Modeling Language (UML) untuk menjelaskan aliran dari sistem yang diusulkan. Kami menggunakan Use Case Diagram untuk menggambarkan fungsi sistem dan interaksinya dengan pengguna.

Dalam penelitian ini analisis faktor lengkap telah dilakukan dengan menggunakan teknik data mining yang diawasi untuk menemukan arah yang paling terkait dan nilainya untuk setiap sub jurusan IS. Para penulis menyajikan tujuh hipotesis sebagai dasar analisis faktor. Kemudian, kami menggunakan C.45 untuk masing-masing hipotesis ini pada data siswa yang lulus. Dari analisis faktor, kami menemukan bahwa untuk sub-intelijen Bisnis utama IS bahwa mata pelajaran yang paling berpengaruh adalah Matematika Bisnis. Sistem pendukung keputusan akademik yang diusulkan akan diimplementasikan di departemen Sistem Informasi ITHB. Sistem ini akan membantu siswa sistem informasi, semester keempat, mahasiswa dan fakultas mendapatkan rekomendasi hasil personalisasi dari sub-bidang IS berdasarkan kompetensi dan minat mereka. Lebih banyak pekerjaan dapat dilakukan untuk meningkatkan kinerja sistem yang diusulkan. Kumpulan data dan data tambahan, teknik klasifikasi dapat dipertimbangkan untuk meningkatkan presisi dan nilai penarikan kembali. Faktor-faktor tambahan juga dapat digunakan untuk meningkatkan dan mencakup kompleksitas model pengetahuan. Dan karena sistem pendukung keputusan akademik memiliki fitur pengaturan aturan, model yang baru dan lebih baik dapat diterapkan ke sistem secara dinamis.

Kesimpulan :

Dalam sistem yang diusulkan ini, kami menghasilkan model berbasis aturan dengan mengekstraksi data alumni IS yang ada mengenai kinerja akademik dan riwayat pekerjaan profesional mereka untuk mendukung seleksi sub-mayor IS. Penelitian ini menemukan bahwa bakat dan sikap siswa memiliki pengaruh besar dalam memilih sub jurusan SI. Kursus klasifikasi dan IS lulus nilai akhir siswa untuk setiap sub jurusan yang dihasilkan oleh proses pemangkasan dengan algoritma C45. Hasil penelitian menunjukkan bahwa algoritma C45 cocok untuk mengklasifikasikan kursus inti dan elektif untuk manajemen infrastruktur, bisnis cerdas dan e-bisnis sebagai sub-utama IS di ITHB. Sebagai proses pemangkasan dengan Algoritma C45, menghasilkan tujuh mata pelajaran khusus dan nilai ambang batas dari nilai akhir, yang masing-masing mengklasifikasikan ke dalam masing-masing sub jurusan IS. Faktor kecakapan tentang pemilihan sub jurusan IS dapatkan dari pemetaan posisi pekerjaan siswa yang lulus di setiap sub jurusan IS. Ini menunjukkan bahwa algoritma C45 cocok untuk tujuan analisis faktor untuk membangun pemodelan pengetahuan dari sistem pendukung keputusan pendidikan.