Dokumen tersebut memberikan ringkasan penelitian mengenai estimasi laju pertumbuhan siswa di SDN 098148 Dusun Petani dengan menggunakan algoritma Regresi Linier Berganda. Penelitian ini menggunakan variabel jumlah siswa laki-laki, perempuan dan total siswa selama 4 tahun untuk menghasilkan estimasi jumlah siswa di masa datang. Hasil akhir penelitian adalah persamaan regresi untuk memprediksi laju pertumbu

2.  Nama : Andri Pratama
 NIM : 2102006
 Kelas : 21S07
 Prodi : Sistem Informasi
STIKOM Tunas Bangsa Pematangsiantar

3. Latar Belakang Masalah
 Laju pertumbuhan siswa yang diperoleh SDN 098148 Dusun Petani sudah
mencapai harapan pihak sekolah. Pertumbuhan siswa tersebut membuat
pihak sekolah melakukan peningkatan fasilitas dan kebutuhan guru pengajar.
Peningkatan-peningkatan yang dilakukan pihak sekolah sebagai upaya untuk
memenuhi kebutuhan yang diharapkan. Berdasarkan data laju pertumbuhan
siswa, pihak sekolah tidak mengetahui berapa estimasi jumlah pertumbuhan
siswa untuk 5 tahun kedepan. Bantuan biaya operasional yang diberikan
pemerintah daerah tidak cepat terealisasi ketika dibutuhkan, karena jika
tidak diketahui estimasi pertumbuhan siswa di masa yang akan datang
menghasilkan dampak ketidaksesuaian kuota mengajar dan jumlah ruangan
kelas yang dibutuhkan.

4. Perumusan Masalah
 Berdasarkan latar belakang pada penelitian, masalah yang dibahas adalah bagaimana
mengetahui laju pertumbuhan siswa pada SDN 098148 Dusun Petani setiap tahunnya
dengan menggunakan metode Regresi Linier Berganda agar memperoleh nilai estimasi
yang berguna untuk memberikan masukan informasi yang berguna bagi SDN 098148
Dusun Petani.
Batasan Masalah
 Batasan masalah dalam penelitian ini adalah sebagai berikut :
 Algoritma yang digunakan dalam penelitian ini adalah metode Regresi Linier Berganda
untuk menentukan estimasi pertumbuhan siswa.
 Tools yang digunakan dalam penelitian ini adalah RapidMiner 5.3.
 Luaran yang dihasilkan pada penelitian ini adalah estimasi jumlah pertumbuhan siswa
untuk empat tahun yang akan datang.
Tujuan Penelitian
 Tujuan dari penelitian ini adalah untuk mengestimasi laju pertumbuhan siswa pada
SDN 098148 Dusun Petani selama empat tahun yang akan datang menggunakan Data
Mining dengan Algoritma Regresi Linier Berganda.

5. Manfaat Penelitian
 Berdasarkan tujuan penelitian yang diuraikan diatas, manfaat penelitian yang diberikan
adalah memberikan hasil estimasi laju pertumbuhan siswa pada SDN 098148 Dusun
Petani sebagai upaya pihak sekolah dalam merencanakan peningkatan yang dibutuhkan
untuk empat tahun mendatang.
Pengertian Data Mining
 Data Mining merupakan proses penggalian dan pertambangan pengetahuan dari
sejumlah data yang besar, database atau repository database lainnya. Tujuan utama dari
penambangan data ini untuk menemukan pengetahuan baru yang tersembunyi dari
database tersebut.
 Data Mining bertujuan untuk memanfaatkan data dalam database dengan mengolah
data tersebut sehingga menghasilkan informasi baru yang berguna untuk kepentingan
perusahaan atau instansi.
Laju Pertumbuhan Siswa
 Pertumbuhan siswa adalah perubahan minat belajar siswa sewaktu-waktu, dan bisa
dihitung sebagai perubahan dalam jumlah siswa dalam sebuah instansi/sekolah
menggunakan “per waktu unit” untuk pengukuran. Sebutan pertumbuhan siswa
merujuk pada semua siswa yang belajar di sekolah tersebut dan sering digunakan
secara informal untuk sebutan demografi nilai pertumbuhan siswa.

6. Algoritma Regresi Linier Berganda
 Regresi Linier Berganda salah satu cara prediksi yang menggunakan garis lurus untuk
menggambarkan hubungan diantara dua variabel atau lebih (Purwadi et al., 2019).
Algoritma Regresi Linier Berganda juga merupakan untuk meramalkan pengaruh dua
variable predictor atau lebih terhadap satu variable kriterium untuk membuktikan ada
atau tidaknya hubungan fungsional antara dua variabel bebas (X) atau lebih dengan
sebuah variabel terikat (Y)(Panggabean et al., 2020).
Use Case Diagram
 Regresi Linier Berganda salah satu cara prediksi yang menggunakan garis lurus untuk
menggambarkan hubungan diantara dua variabel atau lebih (Purwadi et al., 2019).
Algoritma Regresi Linier Berganda juga merupakan untuk meramalkan pengaruh dua
variable predictor atau lebih terhadap satu variable kriterium untuk membuktikan ada
atau tidaknya hubungan fungsional antara dua variabel bebas (X) atau lebih dengan
sebuah variabel terikat (Y)(Panggabean et al., 2020).
Flowchart
 Flowchart merupakan representasi dengan menggunakan simbolik dari suatu algoritma
atau prosedur dalam menyelesaikan suatu permasalahan (Hendiri, 2016). Penggunaan
flowchart dalam suatu penelitian akan memudahkan bila melupakan atau melewatkan
prosedur yang telah dikerjakan dan membantu dalam memfasilitiasi untuk
berkomunikasi antara pemrogramaman yang bekerja dengan suatu tim.

7. RapidMiner
 Menurut Tanjung, 2017 (dalam Lee dan Juan , 2010:101) ‘RapidMiner merupakan
perangkat lunak yang bersifat terbuka (Open Source), sebuah salah satu solusi untuk
melakukan analisis terhadap Data Mining’. RapidMiner aplikasi yang berdiri sendiri
untuk analisis data dan sebagai mesin Data Mining untuk integrasi kepada penelian
atau suatu produk (Lambertus, 2018).
 Dapat memberikan estimasi laju pertumbuhan siswa di SDN 098148 Dusun Petani
untuk tahun 2022.
 Dapat memberikan contoh penelitian langsung terkait penggunaan algoritma Regresi
Linier Berganda dalam estimasi laju pertumbuhan siswa.
 Hasil yang didapatkan dari penelitian ini juga digunakan sebagai referensi tindak lanjut
untuk pengambil keputusan dalam pencapaian target SDN 098148 Dusun Petani.
Lokasi dan Waktu Penelitian
 Penelitian yang dilakukan penulis di lingkungan SDN 098148 Dusun Petani, Kelurahan
Dolok Kahean, Kecamatan Tapian Dolok, Kabupaten Simalungun. Penulis melakukan
perencanaan untuk perolehan data dengan teknik wawancara kepada pihak sekolah
pada tanggal 14 Maret s/d 26 Maret 2022. Data yang dibutuhkan adalah data jumlah
siswa selama empat tahun terakhir.

8. Rancangan Penelitian Prosedur Pengumpulan Data
Mulai
Analisis
Masalah
Mempelajari
Literatur
Pengumpulan
Data
Analisis Data
Implementasi
Hasil
Selesai
 Studi Kepustakaan (Libarry
Research)
 Penelitian Lapangan (Field Work
Research)
› Analisis Data
Data yang dikumpulkan dari data yang diberikan oleh SDN
098148 Dusun Petani. Berikut variabel yang digunakan
sebagai berikut :
Jumlah Siswa Laki-Laki (X1)
Jumlah Siswa Perempuan (X2)
Jumlah Total Siswa (Y)
Variabel yang digunakan terdiri atas variabel bebas dan
variabel tidak bebas. Variabel bebas terdiri dari Jumlah Laki-
Laki (X1) dan Jumlah Perempuan (X2), dan variabel tidak
bebas terdiri dari Jumlah Siswa (Y).

9. Flowchart Regresi
Linier Berganda
Start
Identifikasi
Masalah
Tujuan
Penelitian
Pengumpulan Data
Sumber : SDN
098148 Dusun Petani
Data Minig
Regresi Linier Berganda
Tool : Rapid Miner
Evaluasi
Hasil &
Kesimpulan
End
Pengolahan Data
di Ms.Word
Implementasi Data
di RapidMiner
Hasil dan
Keputusan
Mulai
Data Jumlah
Siswa
Selesai
Instrumen
Penelitian
Pemodelan di
Rapidiner
Operator yang pertama adalah
menggunakan operator Read Excel. Operator
yang kedua adalah operator Linear
Regression yang digunakan untuk operator
yang mengolah data training menggunakan
teknik Regresi Linier. Operator yang ketiga
adalah operator Read Excel yang digunakan
sebagai data testing untuk menghasilkan
nilai estimasi. Operator yang terakhir adalah
operator Apply Model yang digunakan
sebagai pembuat hasil dan model
berdasarkan data training dan data testing.

10. - Algoritma Regresi Linier Berganda
1. Menentukan data yang di olah
Dalam pengolahan estimasi laju
pertumbuhan siswa di SD Negeri
098148 Dusun Petani menggunakan 2
variabel yaitu Jumlah Laki-Laki (X1) dan
Perempuan (X2). Output yang
digunakan yaitu Total (Y).
2. Memproses ikhtisar perhitungan
Membuat proses ikhtisar perhitungan
dengan melibatkan nilai X1, X2 dan Y
yang dapat dilihat pada tabel berikut :
Kelas 2018 2019 2020 2021
I 31 33 27 37
II 33 31 34 27
III 31 34 31 31
IV 35 30 35 31
V 27 34 30 36
VI 29 26 34 27
Total 186 188 191 189
Tabel 4.1. Data Mentah
Tahun
Jenis Kelamin Jumlah
Siswa
Laki-Laki Perempuan
X1 X2 Y
2018 90 96 186
2019 92 96 188
2020 89 102 191
2021 92 97 189
Jumlah 363 391 754
Tabel 4.2. Data Yang Diolah 2018-2021
Tahun X1 X2 Y
2018 90 96 186
2019 92 96 188
2020 89 102 191
2021 92 97 189
Tabel 4.3. Penentuan Variabel X Dan Y Dengan Data
Tahun X1Y X2Y X1X2 X1^2 X2^2 Y^2
2018 16.740 17.856 8.640 8.100 9.216 34.596
2019 17.296 18.048 8.832 8.464 9.216 35.344
2020 16.999 19.482 9.078 7.921 10.404 36.481
2021 17.388 18.333 8.924 8.464 9.409 35.721
Jumlah 68.423 73.719 35.474 32.949 38.245 142.142
Tabel 4.4. Ikhtisar Perhitungan

11. Tahun X1Y X2Y X1X2 X1^2 X2^2 Y^2
2018 16,740 17,856 8,64 8,1 9,216 34,596
2019 17,296 18,048 8,832 8,464 9,216 35,344
2020 16,999 19,482 9,078 7,921 10,404 36,481
2021 17,388 18,333 8,924 8,464 9,409 35,721
Jumlah 68,423 73,719 35,474 32,949 38,245 142,142
Tabel 4.5. Penyederhanaan Ikhtisar Perhitungan
 Menentukan nilai koefisien regresi a, b1 dan b2
Untuk memperoleh koefisien regresi a, b1 dan b2 dapat diperoleh dengan cara simultan dari tiga persamaan
sebagai berikut :
an + b1ΣX1 + b2ΣX2 = ΣY ................................................................(Persamaan 1)
aΣX1 + b1ΣX12 + b2ΣX1X2 = ΣX1Y ..............................................(Persamaan 2)
aΣX2 + b1ΣX1X2 + b2ΣX22 = ΣX2Y ..............................................(Persamaan 3)
Kemudian masukkan angka yang telah didapat pada ikhtisar perhitungan dan nilai ΣX1, ΣX2 dan ΣY sehingga
diperoleh hasil persamaan 1, 2 dan 3.
a4+ b1(363) + b2(391) = 754......................................................(Persamaan 1)
a(363) + b1(32,949) + b2(35,474) = 68,423.......................(Persamaan 2)
a(391) + b1(35,474) + b2(38,245) = 73,719.......................(Persamaan 3)

12.  Menentukan nilai a, b1 dan b2
Pertama, persamaan 1 dan 2 di eliminasi
a4+ b1(363) + b2(391) = 754 x 363
a(363) + b1(32,949) + b2(35,474) = 68,423 x 4
1452 a + 131769 b1 + 141933 b2 = 273702
1452 a + 131,796 b1 + 141,896 b2 = 273,692 -
131637,204 b1 + 141791,104 b2 = 273428,308...(Persamaan 4)
 Kemudian persamaan 1 dan 3 di eliminasi
a4+ b1(363) + b2(391) = 754 x 391
a(391) + b1(35,474) + b2(38,245) = 73,719 x 4
1564 a + 141933 b1 + 152881 b2 = 294814
1564 a + 141,896 b1 + 152,980 b2 = 294,876
141791,104 b1 + 152728,202 b2 = 294519,124.. (Persamaan 5)
 Lalu persamaan 4 dan 5 di eliminasi
131637,204 b1 + 141791,104 b2 = 273428,308 x 141791,104
141791,104 b1 + 152728,202 b2 = 294519,124 x 131637,204
18664984482,633 b1 + 20104717173,539 b2 = 38769701656,172
18664984482,633 b1 + 20104689525,256 b2 = 38769674007,889
27684,283 = 27684,283
b2 = 27684,283 : 27684,283
b2 = 1
 Kemudian masukkan nilai b2 kedalam persamaan
4 dengan mensubsitusikan.
131637,204 b1 + 141791,104 b2 = 273428,308
131637,204 b1 + 141791,104 (1) = 273428,308
131637,204 b1 + 141791,104 = 273428,308
131637,204 b1 = 415219,412
b1= 415219,412 / 131637,204
b1 = 3,154
 Kelima, masukkan nilai b1 dan b2 ke persamaan 1
dengan mensubsitusikan.
a4+ b1(363) + b2(391) = 754
a4+ (3,154)(363) + (1)(391) = 754
a4 + 1145 + 391 = 754
a4 + 1536 = 754
a4 = 754- 1536
a4 = -782
a = -782 / 4
a = -195,500
 Jadi sekarang telah didapat nilai a, b1, b2 dimana
nilai-nilainya adalah sebagai berikut :
a = -195,500
b1 = 3,154
b2 = 1
Sehingga menghasilkan persamaan regresi sebagai
berikut :
Y = -195,500+ 3,154 X1 + 1X2

13.  Menentukan estimasi laju pertumbuhan siswa
Setelah persamaan regresi linear didapatkan, maka untuk mengestimasi pertumbuhan jumlah siswa dapat diperoleh dengan
mudah. Dengan memasukkan nilai x1 dan x2 pada periode tahun terakhir (tahun 2021) yaitu nilai x1 sebesar 92 dan nilai x2
sebesar 97. Maka menghitung mengestimasi pertumbuhan jumlah siswa adalah dengan menggunakan persamaan regresi linear
berganda diatas, sehingga:
Y = a + b1.x1 + b2.x2
= -195,500 + 3,154 * (92) + 1 * (97)
= -195,500 + 290,193 + 97
= 192 siswa
Maka hasil dari estimasi (perkiraan) pertumbuhan siswa tahun 2022 adalah sebanyak 192 siswa. Artinya terdapat penambahan
sebanyak 3 siswa. Diperoleh hasil untuk prediksi laju pertumbuhan siswa.
Tahun Laki-Laki Perempuan Jumlah Siswa
2022 93 99 192
2023 95 100 195
2024 97 102 198
2025 98 103 202
Tabel Hasil Estimasi untuk Tahun 2022-2025
 Penerapan Algoritma
Algoritma Regresi Linier Berganda yang dilakukan penulis digunakan untuk menentukan Estimasi Laju Pertumbuhan Siswa Pada
SDN 098148 Dusun Petani dengan menggunakan Data Mining Algoritma Regresi Linier Berganda.

14. Desain Model Algoritma Regresi Linier Berganda
Hasil Regresi Linier Berganda

15.  Hasil yang diberikan oleh tools RapidMiner dalam estimasi laju pertumbuhan siswa di
SDN 098148 Dusun Petani dengan Data Mining Algoritma Regresi Linier Berganda
adalah estimasi yang diperoleh untuk tahun 2022 adalah sebanyak 946 total.
Berdasarkan pernyataan hasil antara perhitungan yang dilakukan penulis dengan hasil
yang diperoleh tools RapidMiner memiliki kesamaan hasil. Artinya Algoritma Regresi
Linier Berganda berhasil diterapkan dalam Mengestimasi Laju Pertumbuhan Siswa
Pada SDN 098148 Dusun Petani.
 Berdasarkan hasil penelitian yang dilakukan di dapatkan hasil estimasi (perkiraan) laju
pertumbuhan siswa untuk tahun 2022 adalah sebesar 191,693 siswa atau 192 jika
dibulatkan. Perkiraan estimasi sampai tahun 2025 jumlah siswa sebanyak 201,579
siswa atau 202 jika dibulatkan.