Sistem Informasi Manajemen

Sistem Pendukung Keputusan Pendidikan Berbasis Data 

https://doi.org/10.3991/ijet.v13i11.9582

Yaqiong Zhu

Universitas Keuangan Henan, Henan, Cina

yaqiongzhu29103@163.com

Abstrak— Untuk memanfaatkan teknologi Internet terbaru untuk menyediakan Dukungan penuh untuk pendidikan guru, studi komprehensif dilakukan pada DDEDSS (sistem pendukung keputusan pendidikan yang digerakkan oleh data) dan proto perangkat lunak DDEDSS tipe dirancang dan dikembangkan sebagai alat bantu untuk pembuatan keputusan pendidikan ing. Pada saat yang sama, dua sesi data pendidikan dikumpulkan dan diuji dalam praktek. Penjumlahan dan rata-rata multidimensi dilakukan untuk Waktu yang berbeda, daerah sumber yang berbeda, pelajar gender yang berbeda dan ject. Hasil penelitian menunjukkan bahwa sistem dapat mengevaluasi pembelajaran peserta didik dan selanjutnya memberikan dasar pengambilan keputusan untuk optimalisasi dan kelas kurikulum pengaturan. Dapat dilihat bahwa DDEDSS adalah penelitian pendidikan perbatasan, yang memiliki arti penting penelitian.

                    

Kata kunci— sistem pendukung keputusan pendidikan, teknik pendidikan, data analisis, penambangan data

1 pengantar

Pengambilan keputusan pendidikan adalah istilah yang dipahami oleh publik. Esensinya adalah untuk membuat keputusan berdasarkan kebutuhan pendidikan tertentu. Pengambilan keputusan pendidikan klasik ing umumnyadicapai melalui pendapat dan diskusi pertemuan dan dikombinasikan dengan sejumlah statistik dan analisis data tertentu. Meskipun cepat dan nyaman, karena karena itu tidak didasarkan pada sistem data yang komprehensif dan metode pengolahan data relatif tunggal, ada hambatan sulit dalam objektivitas, sifat ilmiah dan aspek lainnya. Dengan pesatnya perkembangan informasi pendidikan, berbagai macam platform informasi pendidikan telah secara bertahap disimpan berbagai jenis data dan meningkat pesat. Ini menjadi hot spot di bidang pendidikan saat ini dan sebuah inovasi arah pengembangan yang dapat diterapkan bagaimana mengintegrasikan dan  memanfaatkan data ini secara efektif dan membuat keputusan pendidikan, sehingga meningkatkan obyektivitas, sifat ilmiah, kompetensi kepekaan dan sistematis pengambilan keputusan. Dalam pengambilan keputusan pendidikan berdasarkan data, seringkali melibatkan pemrosesan data besar-besaran, yang harus dibantu oleh informasi sistem mation. Sistem semacam ini umumnya disebut EDSS (Keputusan Pendidikan Sistem pendukung). Jika menekankan pada data driven, itu adalah DDEDSS (Data Driven Education Sistem Pendukung Keputusan).

DDEDSS akan dipelajari dari aspek proposal topik, penelitian saat ini situasi di dalam dan luar negeri, isi penelitian, landasan teoretis, penelitian metode, titik inovasi, dan desain penelitian. Pada saat yang sama, pendidikan gudang data, kumpulan data multidimensi pendidikan dan data pendidikan min Struktur berhasil dirancang. Hasilnya menunjukkan bahwa pendidikan dirancang gudang data, kumpulan data multidimensi pendidikan dan data pendidikan min- Struktur ini sejalan dengan persyaratan dasar pengambilan keputusan pendidikan.

2 Tinjauan Literatur

DDEDSS adalah keputusan berdasarkan data pendidikan, jadi pemodelan data pendidikan adalah dasar dari DDEDSS. Cendekiawan Byington dan Butler mengusulkan kerangka dasar pekerjaan pemodelan data pendidikan. Data ditetapkan berdasarkan tema "siswa penyok ", termasuk informasi dasar siswa, prestasi akademik, kursus, pendidikan institusi pendidikan, penghargaan dan data lainnya [1]. Seluruh sistem pendidikan terpusat belajar, jadi ada baiknya membuat model data berdasarkan siswa sebagai tema. Kemudian, karena kinerja pembelajaran saat ini terutama tercermin dalam kinerja Selain tentu saja, juga diinginkan menggunakan hasil dari semua mata pelajaran sebagai kuncinya data. Namun, tidak ditahan mempelajari bagaimana prestasi ini membentuk tabel relasional cocok untuk analisis multi-dimensi dan penggalian data yang diperlukan untuk keputusan pendidikan pembuatan sion. Cheowsuwan et al., Berdasarkan persyaratan spesifik dari perangkat data rumah, mengusulkan model data pendidikan bintang, yang sepenuhnya memenuhi persyaratan teknis KASIH dari database. Itu juga mengambil kinerja kurikulum siswa sebagai jurusan sebagian, tetapi tidak mempertimbangkan informasi hierarkis tahun / masa, provinsi / kota / kabupaten, atau kategori kurikulum / kursus dari analisis multidimensi. Sebagai hasilnya, masih ada kekurangan arah yang mendukung [2]. Scholar Chou et al. diajukan struktur umum sistem pendukung keputusan pendidikan. Tujuannya adalah untuk mengambil sistem sebagai alat bantu, untuk mengekstrak, menggali dan menganalisis data statistik pendidikan, sehingga dapat memberikan penyelidikan informasi yang tepat waktu dan dapat diandalkan dan kemampuan statistik untuk pendidikan tingkat pengambilan keputusan yang rasional. Atas dasar ini, keputusan mendukung untuk pekerjaan pendidikan (prediksi pendaftaran, prediksi pekerjaan, tren pengembangan, penelitian ilmiah konstruksi, dll.) dibentuk. Sistem tidak secara khusus menggambarkan pemodelan data, juga bukan model yang berpusat pada kinerja belajar pembelajar. Untuk yang paling esensial Penelitian DDEDSS, itu dari sedikit referensi [3]. Hernes dan Sobieska-Karpińska pro- mengajukan pemodelan data evaluasi kualitas bakat [4]. DDEDSS saat ini terutama mengambil pembelajaran kurikulum sebagai sumber utama data, sehingga model memiliki referensi tertentu. ence nilai sebagai aplikasi tambahan DDEDSS dalam evaluasi kualitas bakat.

Data kinerja pembelajaran juga dominan, mencerminkan gagasan belajar sebagai pekerjaan utama. Konstantinidis dan Bamidis mengusulkan kerangka kerja data DDEDSS berdasarkan kinerja belajar peserta didik, yang merupakan kasus yang paling sistematis dari kinerja pembelajaran kerangka data kinerja dalam studi ini. Namun, kerangka kerja memperhitungkan  lingkungan pendidikan di Amerika Serikat terlalu banyak dan perlu digabungkan dengan pemanfaatan lokal pendidikan Cina [5]. Cendekiawan Mccoy dan Rosenbaum dimasukkan meneruskan struktur keseluruhan sistem pendukung keputusan pendidikan. Kerangka kerjasangat besar, pada dasarnya dari logika implementasi dan pembusukan perangkat lunak modul fungsional, seperti browser, server, jaringan area lokal, manajemen basis datam sistem, model sistem manajemen basis, sistem manajemen basis pengetahuan, dan metode sistem manajemen perpustakaan. Itu cocok untuk pengembang dan pengguna DDEDSS untuk memahami keseluruhan sistem [6]. Platform data kerangka kerja ini adalah Microsoft SQL Server 2000. Sumber data termasuk skala pendaftaran dalam status pendidikan sistem tistik, jumlah siswa, jumlah lulusan, jumlah guru dan staf, konstruksi penelitian ilmiah,  dan kamus umum di majalah aset dan sistem. Antarmuka realisasi analisis pendaftaran dan menjalankan sekolah analisis kondisi juga diperkenalkan, tetapi tidak ada hasil analisis khusus. Sarjana Mokin et al. mengedepankan struktur keseluruhan sistem pendukung keputusan pendidikan, tetapi mereka tidak menggambarkan platform data yang digunakan. Kerangka kerjanya adalah desain hirarkis skrip database, gudang data, OLAM dan DLAP [7].

Pemrosesan data DDIDSS mengacu pada metode pemrosesan data berdasarkan computer dalam sistem DDEDSS keseluruhan, terutama data warehouse, analisis multidimensi dan metode penambangan data. Dari perspektif perhitungan kompleks data, juga volve penelitian dasar menggambarkan statistik, statistik inferensi, algoritma penambangan, dan probabilitas. Pemrosesan data DDEDSS terutama mengeksplorasi aplikasi pencarian data warehouse, analisis multidimensi dan data mining berdasarkan database teknologi. Cendekiawan Shi et al. melakukan penelitian aplikasi sistematis pada teknologi data warehouse, teknologi data mining dan algoritma terkait di Indonesia

sistem pendukung keputusan pendidikan, dan membuat penelitian terkait pada pendidikan jarak jauh sebagai objek. Mereka menunjukkan bahwa teknologi ini terutama termasuk rumah, analisis data, dan penambangan data [8]. Fungsi integrasi data database ke gudang data disediakan oleh sistem platform basis data (seperti SQI Server). Berdasarkan pada platform, peneliti DDEDSS terutama merancang data DDEDSS yang wajar model untuk aplikasi dan pengembangan.

Singkatnya, semua dokumen dalam DDEDSS cukup rentang tiga bidang DDEDSS: pendidikan tion, data dan komputer. Oleh karena itu, latar belakang era informasi dipertimbangkan untuk menggali interoperabilitas dari tiga bidang pendidikan, data dan computer di seluruh DDEDSS. Selain itu, seluruh gagasan DDEDSS ditemukan, sehingga DDEDSS dapat diimplementasikan secara logis dan timbal balik.

3 metode

3.1 Prinsip dan kerangka kerja rekayasa sistem pendidikan

Kerangka kerja prinsip dan rekayasa sistem pendidikan adalah warisan dan perluasan kerangka kerja prinsip sistem dan teknik, seperti yang ditunjukkan pada Gambar 1. Intinya, itu bisa disebut "prinsip pendidikan dan rekayasa" konsep sistem interaksi informasi. Unsur-unsur sistem pendidikan dan hubungan mereka pada Gambar 1 lebih dari itu instruktif jika mereka selanjutnya diiterasi ke dalam granularitas elemen dan responnya. hubungan untuk berbagai sistem pendidikan. Ini juga meletakkan fondasi inti untuk pemodelan data pendidikan. Di era informasi saat ini, sistem pendidikannya adalah default sebagai sistem informasi pendidikan interaktif. Perlu dianalisis unsur-unsur sistem pendidikan dari yang sederhana hingga yang kompleks, dan menganalisis hubungan ikatan elemen elemen ini dari perspektif interaksi informasi.

 Saat menganalisis unsur-unsur sistem pendidikan, hubungan interaktif antara dua protagonis pertama-tama harus disarikan dari karakter lokal, seperti yang ditunjukkan pada Gambar 2.

Dalam Gambar 2, pendidik, pelajar, dan interaksi tetap tidak berubah. Pendidikan di- formasi selanjutnya secara konkret diterjemahkan ke dalam konten pendidikan, metode pendidikan dan media pendidikan sesuai dengan kebiasaan saat ini. The, Gambar 2 akan diubah menjadi Gambar 3.

Gambar 1. Prinsip pendidikan dan diagram skematik teknik.

Gambar. 2. Titik awal yang berulang dari unsur-unsur pendidikan dan hubungannya

Gambar. 3. Salah satu iterasi unsur-unsur pendidikan dan hubungannya

Granularitas iteratif yang ditunjukkan pada Gambar 3 masih abstrak. Setelah iterasi lebih lanjut, itu adalah perincian ideal untuk semua jenis pendidikan.

Berdasarkan kerangka "prinsip sistem dan Rekayasa", kerangka kerja "Prinsip dan rekayasa sistem DDEDSS" dapat diwariskan dan diperluas. Itu adalah, iterasi "analisis, desain, pengembangan, implementasi, manajemen dan evaluasi elemen DDEDSS dan hubungan, proses dan statusnya "digunakan sebagai titik awal iteratif dan garis utama iterasi untuk pemahaman dan transformasi masi DDEDSS, seperti yang ditunjukkan pada Gambar 1. Pada dasarnya, ini dapat disebut "DDEDSS prinsip dan rekayasa "kerangka kerja sistem interaksi informasi.

3.2 elemen DDEDSS dan hubungannya

Seperti yang ditunjukkan pada Gambar 1, iterasi dieksplorasi sampai mendekati prinsip-prinsip DDEDSS dan teknik. Tujuan atau hasil dari elemen-elemen DDEDSS dan hubungannya harus menjadi jelas.

Dalam era informasi saat ini, sistem DDEDSS dapat dianggap sebagai informasi sistem interaksi mation. Elemen protagonis diabstraksi, dan kemudian informasi interaksi mation antara dua protagonis diabstraksikan, seperti yang ditunjukkan pada Gambar 4.

Pada Gambar 4, dua elemen "DDEDSS" dan "sistem pendidikan" dipertahankan. Unsur-unsur "interaksi informasi DDEDSS" diulang ke dalam "DDEDSS con- tenda "," metode DDEDSS "," media DDEDSS "," interaksi DDEDSS "sesuai dengan hubungan antara konten informasi, metode, dan media, seperti yang ditunjukkan pada Gambar-ure 5

Gambar 5 sedikit abstrak, di mana enam elemen terus melakukan kedalaman berulang elemen dari sistem interaksi informasi yang biasa. Lebih lanjut itu-erasi dapat digunakan sebagai granularitas ideal elemen DDEDSS dan hubungannya ikatan.

Gambar 4. Titik awal iteratif elemen-elemen DDEDSS dan hubungannya.

Gambar 5. Salah satu granularitas iteratif elemen-elemen DDEDSS dan hubungannya.

4 hasil dan Diskusi

4.1 Proses dan status DDEDSS

Kerangka berulang untuk mendefinisikan elemen dan hubungan mereka dari Sistem DDEDSS membutuhkan iterasi lebih lanjut dari proses DDEDSS dan statusnya, hingga target atau hasil yang dibutuhkan oleh DDEDSS diperkirakan.

Proses DDEDSS dan negaranya terutama menyoroti pengumpulan data pendidikan, pergudangan, analisis, penambangan, pengambilan keputusan pendidikan data, dan pengajuan ed- Saran keputusan pendidikan untuk sistem DDEDSS. Karena itu, selanjutnya dilakukan iterasi dapat digunakan sebagai kondisi ideal proses DDEDSS dan iterasi statusnya.

Iterasi lengkap dari persyaratan fungsional keseluruhan sistem adalah diatur secara mendalam dengan use case protagonis sebagai garis utama iterasi. Protago- case use nist sering diwakili dalam diagram model UML pada Gambar 6 di bidang analisa sistem. Semua iterasi use case dalam use case DDEDSS (guru) protagonis iniditunjukkan dalam struktur pohon yang ditunjukkan pada Gambar 7 hingga persyaratan praktik DDCDSS bertemu.

Gambar. 6. Gambar header online-journals.org.

Gambar 7. Gambar header dari online-journals.org

Seperti yang ditunjukkan pada Gambar 7, struktur pohon membentuk namespace dari sistem protag- kasus penggunaan onist, seperti "semua kasus penggunaan protagonis dan analisis guru data ", dan nomor simpul". "menghubungkan level. Karena protagonis menggunakan case dalam hierarki struktur pohon adalah hubungan kombinatorial, kasus penggunaan protagonis daun adalah kasus penggunaan protagonis yang benar-benar perlu diimplementasikan. Deskripsi dari kasus penggunaan protagonis adalah yang terbaik dalam bentuk objek-subjek-predikat, yang nyaman untuk pemeliharaan dan komunikasi, seperti data akuisisi guru, data data penambangan guru, dan administrator sistem menyimpan data. Ini kasus penggunaan digabungkan dalam waktu untuk mendapatkan proses sistem dan kondisinya. Itu juga bias dituliskan dalam UML seperti yang ditunjukkan pada Gambar 8. Tentu saja, mungkin ada proses dan statusnya dari beberapa cabang.

Gambar 8. Gambar header online-journals.

Proses DDEDSS di atas dan statusnya pada akhirnya akan dipetakan ke spesifik realisasi pengumpulan data pendidikan, data multidimensi analisis pendidikan, dan penambangan data pendidikan. Pada saat yang sama, sistem perangkat lunak DDEDSS dikembangkan oped, dan metafora perangkat lunak dari proses dan kondisinya terlibat. Ini juga mengarahkan pedoman  analisis sistem DDEDSS, pemrosesan data dan Pengembangan perangkat lunak DDEDSS.

 Melalui rekayasa DDEDSS, orang menganalisis, merancang, mengembangkan, mengimplementasikan, mengelola dan mengevaluasi elemen-elemen DDEDSS dan hubungannya, serta Proses DDEDSS dan statusnya. Di masing-masing dari enam tautan, DDEDSS selesai proses dan iterasi negaranya diwujudkan, sehingga dapat mewujudkan DDEDSS secara optimal.

DDEDSS akhirnya diimplementasikan dalam metafora perangkat lunak, jadi rekayasa DDEDSS adalah diintegrasikan ke dalam penelitian rekayasa perangkat lunak DDEDSS. Analisis, desain, pengembangan ment, fasilitas, manajemen dan evaluasi proyek DDEDSS terkonsentrasi di a tabel sebagai gambaran umum (enam elemen dari DDEDSS, sistem pendidikan, konten DDEDSS, Metode DDEDSS, media DDEDSS, dan interaksi DDEDSS bersifat melintang, dan Proses DDEDSS dan kondisinya vertikal).

4.2 Pengumpulan, analisis, dan penambangan data

Metode data DDEDSS harus dikombinasikan dengan alat perangkat lunak komputer tertentu. Ketika memilih alat perangkat lunak komputer, jika digunakan sebagai alat pemrosesan data, itu adalah Pengumpulan data Pendidikan Data pendidikan pergudangan Data pendidikan masuk Analisis dari data pendidikan Pendidikan penambangan data Saran pada pendidikan keputusan disarankan untuk memilih perangkat lunak alat yang banyak digunakan seperti Exce1 dan SPSS. Jika digunakan sebagai platform pengembangan, sistem basis data seperti Access, SQI.Server, Oracle, dan SQL saya sering dipilih. Mempertimbangkan solusi keseluruhan DDEDSS, kemudahan menggunakan dan mengarusutamakan, sistem database SQLServer2008 dipilih.

Hubungan yang sesuai diabstraksikan berdasarkan tingkat metode DDEDSS dan tingkat metode data yang didukung oleh SQL Server2008. Penelitian aplikasi dilakukan sesuai dengan tiga tingkat akuisisi data, pergudangan, dan data DDEDSS gudang terintegrasi - data pendidikan analisis multidimensi - data pendidikan mining (mengabaikan komunikasi emosional dan metode berpikir filosofis itu SQL Server belum mendukung). Pada saat yang sama, data pendidikan DDEDSS gudang, kumpulan data multi-dimensi pendidikan dan struktur penambangan data pendidikan mendatang dipelajari dan dirancang.

4.3 Akuisisi data pendidikan dan desain data warehouse

Model data pendidikan adalah dasar dari akuisisi data, pergudangan, dan integrasi Gration. Ketika data dikumpulkan berdasarkan pada model data pendidikan, masalah desain Entah entri data perlu dipertimbangkan, yaitu, data yang dikumpulkan harus bias dipetakan ke dalam basis data komputer yang dirancang, dan kemudian memasukkan data ke dalam computer basis data.

Ketika merancang basis data pendidikan, itu harus didasarkan pada data pendidikan model, dipandu oleh teori teknik berorientasi objek. Granularity akhir dari objek dan hubungan mereka dianalisis, dan kemudian objek dijelaskan dengan data. Saat mendeskripsikan objek dengan data, perlu untuk mempertimbangkan item data lebih lanjut / bidang, tipe data, nilai data, struktur data / tabel data, dan hubungan (data tabel). Kemudian, berdasarkan prinsip database OLTP (On-Line Transaction Processing), Basis data OLTP dibuat. Kemudian, data dapat disimpan dalam database berdasarkan objek.

Penelitian DDEDSS terbatas pada siklus studi dan tidak dapat memperoleh data dari nol. Ini dirancang untuk memperoleh data historis ini langsung dari sistem pendidikan sekolah terpilih sebagai data asli. Data asli diperoleh dari pihak independen perguruan tinggi Universitas Normal, dan skor kinerja adalah inti dari sejarah ini data. Karena persyaratan normalisasi data, hanya dua (delapan tahun) data yang tersedia.

4.4 Analisis data pendidikan dan desain set data multi-dimensi

Berdasarkan gudang data pendidikan, data multidimensi pendidikan OLAP set dapat diatur untuk melakukan analisis data (yaitu, statistik deskripsi data di lapangan statistik). Analisis data memperoleh data yang diperlukan dari sejumlah besar data, yang juga disebut korespondensi, sehingga analisis data sering disebut sebagai analisis informasi. ysis dan perolehan informasi untuk mencerminkan tingkat abstrak informasi pada data. Analisis multidimensi data, juga dikenal sebagai proses hirarki analitik (AHP), adalah fokus teknologi analisis data pendidikan saat ini.

Untuk merealisasikan analisis informasi pendidikan, ia harus menandatangani dan membangun set data multidimensi pendidikan (Cube) berdasarkan pada pendidikan-gudang data  nasional. Nilai obyektif dari kumpulan data multidimensi pendidikan ini harus mencakup skor rata-rata, jumlah siswa yang dipilih, skor tertinggi dan skor terendah, dan dimensi analisis terutama mencakup waktu (tahun dan masa), tempat sumber (provinsi dan kota), kursus (568 kursus), kategori kursus (lima kursus), dan jenis kelamin siswa (pria dan wanita).

Agar sesuai dengan pemahaman masyarakat umum, transformasi model ditampilkan pada Gambar 10 juga digunakan. Gambar 10 menunjukkan set data multidimensi yang dirancang untuk tiga dimensi: skor total dan waktu ujian, area sumber pelajar dan jenis kelamin.

Gambar 9. Representasi model dataset multidimensi.

Singkatnya, data analisis multi-dimensi, dibandingkan dengan perangkat lunak umum tersebut sebagai EXCEL, memiliki kelebihan analisis multi-dimensional interaktif (termasuk empat dimensi provinsi, kota, jenis kelamin, dan semua program). Melalui kombinasi bebas dari berbagai dimensi, dapat digunakan untuk membantu dalam implementasi ed- berikut Tujuan keputusan pendidikan: penjumlahan multi-dimensi dan penjumlahan pencapaian dari lima kelas dari waktu yang berbeda (tahun dan masa), area sumber yang berbeda (provinsi dan kota), pelajar gender yang berbeda (pria dan wanita), kategori mata pelajaran berbeda gories (Filsafat, cinta, sains, teknologi, dan praktik). Dapat digunakan untuk mengevaluasi pembelajaran peserta didik dan memberikan dasar untuk pengambilan keputusan pendidikan seperti kurikulum optimasi dan penyesuaian kelas.

Lebih banyak data pendidikan fungsi analisis multi-dimensi setelah desain ed-mengatur data multi-dimensi dalam SQL Server. Ini harus mengembangkan mode B / S DDEDSS perangkat lunak, mengintegrasikan set data pendidikan multi-dimensi ke dalam perangkat lunak DDEDSS, jadi bahwa semua jenis pengguna menggunakan browser IE sebagai alat bantu untuk pembuatan keputusan pendidikan ing.

4.5. Penambangan data pendidikan dan desain struktur penambangan

Selain analisis data di atas dan perolehan informasi, bisa juga didasarkan pada prinsip penambangan data, untuk menemukan fungsi atau korelasi hukum Antara data dari data masif. Aturan-aturan ini sering disebut dengan knowledge, jadi data Penambangan sering disebut penemuan pengetahuan (istilah yang umum digunakan di bidang kecerdasan buatan), untuk mewujudkan pengetahuan sebagai tingkat abstrak data dan informasi mation. Ini juga bias disebut statistik inferensial (istilah yang umum digunakan di lapangan statistik) dan data mining (istilah yang biasa digunakan dalam ilmu komputer). 

Kata data mining terutama dipilih, yang merupakan topik hangat di bidang teknologi data dan kecerdasan data. Inti dari data mining adalah perhitungan korelasi antara massif data. Analisis multi-dimensi yang disebutkan di atas adalah perhitungan fungsional hubungan. Relasi fungsional adalah relasi matematis deterministik, dan korelasition adalah hubungan matematika yang tidak sepenuhnya deterministik, tetapi dasar inferensi tren.

4.6 Pendidikan akuisisi data dan desain gudang data

Serangkaian data memiliki hubungan tertentu, tetapi tidak ada hubungan fungsional dengan aturan pasti, yang disebut korelasi, juga dikenal sebagai kesamaan. Ini sering ured oleh jarak atau koefisien korelasi antara data. Ada berbagai formula untuk menghitung jarak dan koefisien korelasi, dan masing-masing memiliki data yang berlaku. Misalnya, jarak Mahalanobis d ij dihitung sebagai berikut terendah:

(1) 

Dalam Formula (9), X i dan X j adalah:

(2) 

(3) 

Dari ini, dapat dilihat bahwa semakin kecil jarak d ij , semakin tinggi korelasinyadari dua data; sebaliknya, semakin rendah korelasinya. Pengelompokan, yang pertama menentukan jumlah grup perlu dibagi, dan kemudian mencari algoritma untuk secara ilmiah membagi poin data ke dalam kelompok yang diperlukan sesuai dengan jarak hubungan. Seperti yang ditunjukkan pada Gambar 10, semua titik data pada dasarnya dibagi menjadi lima kelompok. 

Gambar 10. Diagram skematis pengelompokan

(4) 

(5) 

Gambar 1. adalah representasi garis dari hasil klasifikasi / regresi, dan itu dapat ditemukan bahwa semua data dibagi menjadi dua kategori. 

Gambar 12. adalah regresi rumus untuk hasil klasifikasi / regresi.

ID Kategori Kurikulum Terpilih: Hanya Prediksi. Artinya, kategori kursus dirancang untuk diprediksi, sehingga untuk memprediksi probabilitas memilih lima program di berbagai kota dan jenis kelamin. Kota: atribut input (Input). Artinya, kota ditetapkan sebagai ute dari peserta didik, yang digunakan untuk memprediksi parameter dalam mata pelajaran pilihan. Jenis kelamin: atribut input (Input). Artinya, gender ditetapkan sebagai atribut peserta didik, yang digunakan untuk itu memprediksi parameter mata kuliah pilihan. ID Kurikulum Terpilih: atribut kunci (Kunci), yang digunakan untuk mengidentifikasi catatan secara unik. Desain data mining pendidikan struktur dan model penambangan data pendidikan akan diverifikasi dalam perangkat lunak DDEDSS di terakhir, untuk membantu pengambilan keputusan.

Dalam kecenderungan pembelajar laki-laki untuk memilih mata pelajaran, kecenderungan pembelajar laki-laki untuk memilih kursus bisa dilihat. Kategori "(Jenis Kelamin) = laki-laki" dapat menunjukkan bahwa probabilitas peserta didik laki-laki untuk memilih 1 (kelas praktik) adalah 11,17%, probabilitas memilih 2 (teknologi) kelas nasional) adalah 3,64%, probabilitas memilih 3 (kelas sains) adalah 5,03%, probabilitas Bility memilih 4 (tentu saja kelas cinta) adalah 24,33%, dan probabilitas memilih 5 (Kelas Filsafat) adalah 5,83%.

Dalam kecenderungan pembelajar perempuan untuk memilih kursus, kecenderungan pelajar perempuan untuk memilih pilih mata kuliah yang bisa dilihat. Kategori "(Jenis Kelamin) = perempuan" dapat menunjukkan bahwa probabilitas pelajar perempuan untuk memilih 1 (kelas praktik) adalah 5,87%, probabilitas memilih 2 (kelas teknis) adalah 2,5 $%, probabilitas memilih 3 (kelas sains) adalah 42,24%, probabilitas memilih 4 (kelas cinta) adalah 43,92%, dan probabilitas memilih 5 (kelas Filsafat) adalah 5,40%.

Perbandingan kecenderungan pemilihan kursus peserta didik laki-laki dan perempuan menunjukkan bahwa anak laki-laki lebih tertarik pada kursus praktik dan teknologi, sedangkan anak perempuan lebih tertarik pada perjalanan cinta, yang pada dasarnya sama dengan kenyataan. Sebagai perguruan tinggi normal, adalah mungkin untuk mendorong siswa untuk memilih kelas yang lebih efektif dan meletakkan dasar untuk komunikasi emosional antara guru dan siswa dalam pengembangan pendidikan masa depan. Untuk anak perempuan, mereka juga harus diingatkan untuk datang ketakutan mereka akan kesulitan dan ketakutan akan kelelahan. Mereka harus memilih yang lebih praktis dan kursus teknis dan meningkatkan kemampuan praktis mereka.

Lebih banyak fungsi penambangan data pendidikan akan dipelajari dalam pengembangan perangkat lunak bagian. Alasannya adalah setelah desain struktur penambangan data dan penambangan model dalam SQL Server, perangkat lunak B / S mode DDEDSS harus dikembangkan untuk diintegrasikan model penambangan data pendidikan ke dalam perangkat lunak DDEDSS. Akibatnya, semua jenis pengguna dapat menggunakan perangkat lunak sebagai alat bantu untuk pengambilan keputusan pendidikan setelah login browser IE.

5 Kesimpulan

Akuisisi data pendidikan, penyimpanan, pergudangan terintegrasi - analisis data – data mining digunakan sebagai jalur utama logika, dan aplikasi pemrosesan data DDEDSS dipelajari. Berdasarkan data pendidikan dari dua sesi (delapan tahun), pendahuluanverifikasi dibuat. Penelitian menunjukkan bahwa SQL Server 2008 pada dasarnya memenuhi fungsi yang dibutuhkan oleh DDEDSS, dan memiliki keunggulan kemudahan penggunaan dan streaming, sehingga akan digunakan sebagai metode dan alat perangkat lunak dari subjek ini. Namun, sebagai dukungan pemrograman untuk layanan data, analisis multidimensi data bawaan sis, penggalian data, dan panggilan pemrograman lainnya jarang disebut, yang berarti tantangan pengembangan perangkat lunak DDEDSS. Pada saat yang sama, ditemukan itu lima tingkat akuisisi data, analisis data / interaksi informasi, data mining / penemuan pengetahuan, penambangan emosi dan penambangan filsafat disatukan dengan lima tingkat praktik, teknologi, sains, sentimen dan filosofi dalam perspektif sistem subjek. Kelayakan "sistem informasi dan interaksi" lebih jauh  diverifikasi.

6 Referensi

[1] Byington, J., Butler, C. (2016). Pemanfaatan kaset kompustat dalam sistem pendukung keputusan pendidikan. Pemroses Data untuk Pendidikan Bisnis yang Lebih Baik, 25 (1): 9-10.

[2] Cheowsuwan, T., Rojanavasu, P., Srisungsittisunti, B., Yeewiyom, S., Cheow-suwan, T., Rojanavasu, P. (2017). Pengembangan gudang data dan sistem pendukung keputusan untuk

iJET - Vol. 13, No. 11, 2018

15 eksekutif fasilitas pendidikan di thailand utara untuk meningkatkan manajemen fasilitas pendidikan

kapasitas pengadukan. International Journal of Geoinformatics, 13 (2): 35-43.

[3] Chou, W., Tien, P., Lin, F., Chiu, P. (2017). Aplikasi berbasis visual, terkomputerisasi sistem pendukung keputusan diagnostik dalam pendidikan medis dermatologis: studi pendahuluan. Pos-

lulusan Medical Journal, 93 (1099): 256. https://doi.org/10.1136/postgradmedj-2016-

134328

[4] Hernes, M., Sobieska-Karpińska, J. (2016). Penerapan metode konsensus dalam beberapa

sistem pendukung keputusan keuangan Sistem Informasi dan Manajemen e-Bisnis-

ment, 14 (1): 167-185. https://doi.org/10.1007/s10257-015-0280-9

[5] Konstantinidis, S., Bamidis, P. (2016). Mengapa sistem pendukung keputusan penting bagi

pendidikan medis. Surat Teknologi Kesehatan, 3 (1): 56. https://doi.org/10.1049/htl.201

5.0057

[6] Mccoy, C., Rosenbaum, H. (2017). Praktek dukungan keputusan yang tidak disengaja dan tidak diinginkan

dashboard sistem di lembaga pendidikan tinggi. Prosiding Asosiasi untuk

pembentukan Sains & Teknologi, 54 (1): 757-758. https://doi.org/10.1002/pra2.2017.1450

5401145

[7] Mokin, B., Mokin, V., Mokina, Y. (2016). Sistem pendukung keputusan untuk penggunaan dana

diterima dari lembaga pendidikan tinggi yang dibayar layanan. Masalah Ekonomi Aktual,

177 (3): 372-383.

[8] Shi, T., Tan, M., Young, B., Lye, D., Ng, T. (2017). Paket pendidikan video Youtube

peningkatan penerimaan rekomendasi sistem pendukung keputusan klinis antibiotik. Buka

Forum Penyakit Menular, 4 (Suppl 1): 263-S263. https://doi.org/10.1093/ofid/ofx163.579

7 Penulis

Yaqiong Zhu bersama Universitas Keuangan Henan, Henan 451464, Cina

(yaqiongzhu29103@163.com).

Artikel dikirimkan 24 September 2018. Penerimaan akhir 30 Oktober 2018. Versi final diterbitkan sebagai

========================================================================

Ringkasan

Pengambilan keputusan pendidikan adalah istilah yang dipahami oleh publik. Esensinya adalah untuk membuat keputusan berdasarkan kebutuhan pendidikan tertentu. Pengambilan keputusan pendidikan klasik ing umumnyadicapai melalui pendapat dan diskusi pertemuan dan dikombinasikan dengan sejumlah statistik dan analisis data tertentu. Ini menjadi hot spot di bidang pendidikan saat ini dan sebuah inovasi arah pengembangan yang dapat diterapkan bagaimana mengintegrasikan dan memanfaatkan data ini secara efektif dan membuat keputusan pendidikan, sehingga meningkatkan obyektivitas, sifat ilmiah, kompetensi kepekaan dan sistematis pengambilan keputusan. Pada saat yang sama, pendidikan gudang data, kumpulan data multidimensi pendidikan dan data pendidikan min Struktur berhasil dirancang. Hasilnya menunjukkan bahwa pendidikan dirancang gudang data, kumpulan data multidimensi pendidikan dan data pendidikan min- Struktur ini sejalan dengan persyaratan dasar pengambilan keputusan pendidikan.

Tinjau Literatur.

DDEDSS adalah keputusan berdasarkan data pendidikan, jadi pemodelan data pendidikan adalah dasar dari DDEDSS. Cendekiawan Byington dan Butler mengusulkan kerangka dasar pekerjaan pemodelan data pendidikan. Seluruh sistem pendidikan terpusat belajar, jadi ada baiknya membuat model data berdasarkan siswa sebagai tema. Namun, tidak ditahan mempelajari bagaimana prestasi ini membentuk tabel relasional cocok untuk analisis multi-dimensi dan penggalian data yang  diperlukan untuk keputusan pendidikan pembuatan sion.

Berdasarkan persyaratan spesifik dari perangkat data rumah, mengusulkan model data pendidikan bintang, yang sepenuhnya memenuhi persyaratan teknis KASIH dari database. Sebagai hasilnya, masih ada kekurangan arah yang mendukung . diajukan struktur umum sistem pendukung keputusan pendidikan. Atas dasar ini, keputusan mendukung untuk pekerjaan pendidikan dibentuk

Sistem tidak secara khusus menggambarkan pemodelan data, juga bukan model yang berpusat pada kinerja belajar pembelajar. Untuk yang paling esensial Penelitian DDEDSS, itu dari sedikit referensi . DDEDSS saat ini terutama mengambil pembelajaran kurikulum sebagai sumber utama data, sehingga model memiliki referensi tertentu. ence nilai sebagai aplikasi tambahan DDEDSS dalam evaluasi kualitas bakat.

Konstantinidis dan Bamidis mengusulkan kerangka kerja data DDEDSS berdasarkan kinerja belajar peserta didik, yang merupakan kasus yang paling sistematis dari kinerja pembelajaran kerangka data kinerja dalam studi ini. Namun, kerangka kerja memperhitungkan lingkungan pendidikan di Amerika Serikat terlalu banyak dan perlu digabungkan dengan pemanfaatan lokal pendidikan Cina . Cendekiawan Mccoy dan Rosenbaum dimasukkan meneruskan struktur keseluruhan sistem pendukung keputusan pendidikan. Kerangka kerjasangat besar, pada dasarnya dari logika implementasi dan pembusukan perangkat lunak modul fungsional, seperti browser, server, jaringan area lokal, manajemen basis data sistem, model sistem manajemen basis, sistem manajemen basis pengetahuan, dan metode sistem manajemen perpustakaan.

Itu cocok untuk pengembang dan pengguna DDEDSS untuk memahami keseluruhan sistem . Sumber data termasuk skala pendaftaran dalam status pendidikan sistem tistik, jumlah siswa, jumlah lulusan, jumlah guru dan staf, konstruksi penelitian ilmiah, dan kamus umum di majalah aset dan sistem. Pemrosesan data DDIDSS mengacu pada metode pemrosesan data berdasarkan computer dalam sistem DDEDSS keseluruhan, terutama data warehouse, analisis multidimensi dan metode penambangan data. Pemrosesan data DDEDSS terutama mengeksplorasi aplikasi pencarian data warehouse, analisis multidimensi dan data mining berdasarkan database teknologi. melakukan penelitian aplikasi sistematis pada teknologi data warehouse, teknologi data mining dan algoritma terkait di Indonesia sistem pendukung keputusan pendidikan, dan membuat penelitian terkait pada pendidikan jarak jauh sebagai objek. Selain itu, seluruh gagasan DDEDSS ditemukan, sehingga DDEDSS dapat diimplementasikan secara logis dan timbal balik.

Prinsip dan kerangka kerja rekayasa sistem pendidikan

Kerangka kerja prinsip dan rekayasa sistem pendidikan adalah warisan dan perluasan kerangka kerja prinsip sistem dan teknik, seperti yang ditunjukkan pada Gambar 1. Unsur-unsur sistem pendidikan dan hubungan mereka pada Gambar 1 lebih dari itu instruktif jika mereka selanjutnya diiterasi ke dalam granularitas elemen dan responnya. hubungan untuk berbagai sistem pendidikan. Ini juga meletakkan fondasi inti untuk pemodelan data pendidikan.

Saat menganalisis unsur-unsur sistem pendidikan, hubungan interaktif antara dua protagonis pertama-tama harus disarikan dari karakter lokal, seperti yang ditunjukkan pada Gambar 2.

Interaksi dengan lingkungan Hidup Interaksi dengan lingkungan Hidup

Granularitas iteratif yang ditunjukkan pada Gambar 3 masih abstrak. Setelah iterasi lebih lanjut, itu adalah perincian ideal untuk semua jenis pendidikan. Berdasarkan kerangka «prinsip sistem dan Rekayasa», kerangka kerja «Prinsip dan rekayasa sistem DDEDSS» dapat diwariskan dan diperluas. Seperti yang ditunjukkan pada Gambar 1, iterasi dieksplorasi sampai mendekati prinsip-prinsip DDEDSS dan teknik. Tujuan atau hasil dari elemen-elemen DDEDSS dan hubungannya harus menjadi jelas. Pada Gambar 4, dua elemen «DDEDSS» dan «sistem pendidikan» dipertahankan. Lebih lanjut itu-erasi dapat digunakan sebagai granularitas ideal elemen DDEDSS dan hubungannya ikatan.

Proses dan status DDEDSS

Kerangka berulang untuk mendefinisikan elemen dan hubungan mereka dari Sistem DDEDSS membutuhkan iterasi lebih lanjut dari proses DDEDSS dan statusnya, hingga target atau hasil yang dibutuhkan oleh DDEDSS diperkirakan. Proses DDEDSS dan negaranya terutama menyoroti pengumpulan data pendidikan, pergudangan, analisis, penambangan, pengambilan keputusan pendidikan data, dan pengajuan ed- Saran keputusan pendidikan untuk sistem DDEDSS. Karena itu, selanjutnya dilakukan iterasi dapat digunakan sebagai kondisi ideal proses DDEDSS dan iterasi statusnya. Semua iterasi use case dalam use case DDEDSS protagonis ini ditunjukkan dalam struktur pohon yang ditunjukkan pada Gambar 7 hingga persyaratan praktik DDCDSS bertemu.

Proses DDEDSS di atas dan statusnya pada akhirnya akan dipetakan ke spesifik realisasi pengumpulan data pendidikan, data multidimensi analisis pendidikan, dan penambangan data pendidikan. Pada saat yang sama, sistem perangkat lunak DDEDSS dikembangkan oped, dan metafora perangkat lunak dari proses dan kondisinya terlibat. Ini juga mengarahkan pedoman analisis sistem DDEDSS, pemrosesan data dan Pengembangan perangkat lunak DDEDSS. 

Di masing-masing dari enam tautan, DDEDSS selesai proses dan iterasi negaranya diwujudkan, sehingga dapat mewujudkan DDEDSS secara optimal. DDEDSS akhirnya diimplementasikan dalam metafora perangkat lunak, jadi rekayasa DDEDSS adalah diintegrasikan ke dalam penelitian rekayasa perangkat lunak DDEDSS. Analisis, desain, pengembangan ment, fasilitas, manajemen dan evaluasi proyek DDEDSS terkonsentrasi di a tabel sebagai gambaran umum.

Akuisisi data pendidikan dan desain data warehouse

Model data pendidikan adalah dasar dari akuisisi data, pergudangan, dan integrasi Gration. Ketika data dikumpulkan berdasarkan pada model data pendidikan, masalah desain Entah entri data perlu dipertimbangkan, yaitu, data yang dikumpulkan harus bias dipetakan ke dalam basis data komputer yang dirancang, dan kemudian memasukkan data ke dalam computer basis data. Ketika merancang basis data pendidikan, itu harus didasarkan pada data pendidikan model, dipandu oleh teori teknik berorientasi objek. Penelitian DDEDSS terbatas pada siklus studi dan tidak dapat memperoleh data dari nol. Ini dirancang untuk memperoleh data historis ini langsung dari sistem pendidikan sekolah terpilih sebagai data asli.

Analisis data pendidikan dan desain set data multi-dimensi

Berdasarkan gudang data pendidikan, data multidimensi pendidikan OLAP set dapat diatur untuk melakukan analisis data . Analisis multidimensi data, juga dikenal sebagai proses hirarki analitik , adalah fokus teknologi analisis data pendidikan saat ini. Nilai obyektif dari kumpulan data multidimensi pendidikan ini harus mencakup skor rata-rata, jumlah siswa yang dipilih, skor tertinggi dan skor terendah, dan dimensi analisis terutama mencakup waktu , tempat sumber , kursus , kategori kursus , dan jenis kelamin siswa. Gambar 9.
Singkatnya, data analisis multi-dimensi, dibandingkan dengan perangkat lunak umum tersebut sebagai EXCEL, memiliki kelebihan analisis multi-dimensional interaktif . Dapat digunakan untuk mengevaluasi pembelajaran peserta didik dan memberikan dasar untuk pengambilan keputusan pendidikan seperti kurikulum optimasi dan penyesuaian kelas. Lebih banyak data pendidikan fungsi analisis multi-dimensi setelah desain ed-mengatur data multi-dimensi dalam SQL Server. Ini juga bias disebut statistik inferensial dan data mining.

Kata data mining terutama dipilih, yang merupakan topik hangat di bidang teknologi data dan kecerdasan data. Inti dari data mining adalah perhitungan korelasi antara massif data. Analisis multi-dimensi yang disebutkan di atas adalah perhitungan fungsional hubungan. Relasi fungsional 

Web Pembelajaran Bahasa Internasional

Aplikasi WEB dan Aplikasi Utama 

 Dashboard

Classes

Resources

Learning Plan

Chat

Setting

       Web yang kami buat merupakan web untuk meningkatkan keterampilan bahasa asing, dimana web kami berisi tentang topik-topik umum dan fakta pada keterampilan yang dibutuhkan dalam berkomunikasi secara efktif melalui aspek mendengar, berbicara, membaca, dan menulis. Selain itu, kami pun menyediakan program unggulan yang dibuat agar para pengguna bisa menguji tingkat kemampuan yang dimiliki. Program unggulan yang kami buat adalah setiap bulannya selalu kami adakan challenge dan test-test lainnya, yang bersifat umum. Akan ada pemeringkatan nilai dari seluruh pengguna website kami (sesuai tingkat) dan juga akan ada hasil ringkasan nilai pribadi tiap pengguna yang nantinya akan dikirimkan sebagai hasil pengerjaan test-test tersebut. Data pemeringkatan serta ringkasan nilai akan dikirimkan kepada masing-masing pengguna, tidak akan diumumkan secara terbuka.

Paragraf kedua. Buatlah Arsitektur web kalian dan ceritakan apa yang menjadi aplikasi utama dari web tersebut. (Arsitektur ditampilkan berupa gambar struktur navigasi web).!

                                                                                   

Tampilan web kami dibantu oleh aplikasi Adobe Photoshop dan Adobe XD.      

Paragraf ketiga. Ceritakan halaman apa yang menjadi tugas kalian dari web tersebut, dan bagaimana kalian akan  membuatnya.

Halaman yang menjadi tugas saya dari web tersebut adalah halaman Classess.

Pada bagian Classes akan muncul tampilan seperti ini, fungsi nya untuk belajar. Misalkan, kita sedang belajar Bahasa Inggris, dan pada tahap pertama yaitu Lesson 1 kita akan memulai belajar cara bertanya dan memberikan nama, dimulai pada step 1, saat kita belajar nanti akan ada point nya, jika gagal maka akan tetap berada di Step 1, maka akan diulangi lagi sampai Step 1 nya berhasil, jika berhasil maka akan lanjut ke Step 2 dan ke Step 3.

Pada lesson 2 kita akan belajar Bagaimana mengatakan, Hello, Apakabar, dan lainnya. Cara belajarnya sama seperti pada Lesson 1 Step 1,2 dan 3, yang membedakan hanya isi materi pembelajaran nya saja, dan ada Step 1,2, 3 nya, jika di Step 1 gagal maka akan mengulang, jika berhasil maka akan melanjutkan ke Step 3.

Pada lesson 3 akan belajar Cara bertanya tentang asal seseorang. Cara nya sama seperti pada Lesson 1 dan 2, yang memedakan hanya isi materi pembelajaran nya saja, selebihnya sama dengan Lesson 1 dan 2. Dan begitu juga pada Lesson 4 dan Lesson 5.

Nama Kelomok 

- Aliyah (50418575)

- Dinda Ayu Rahmasari (52418007)

- Inendya Rahma Tania (53418331)

- Siti Khusnul Hanifah (56418760)

- Tiara Anggita Dewi (57418067)

- Vista Sasmita Padmanagara (5741266)

Pengantar Web Science

Definisi Web Science

Web Science terdiri atas kata “Web” dan kata “Science”, dimana kedua kata tersebut memiliki arti yang berbeda. Berikut merupakan penjelasan dari definisi kedua kata tersebut sehingga dapat membentuk suatu istilah baru yang disebut dengan “Web Science”. Web atau Website merupakan suatu halaman informasi yang disediakan melalui jalur Internet, sehingga web dapat diakses di mana saja selama web tersebut terhubung atau terkoneksi dengan jaringan internet. Web merupakan alat komunikasi online yang menggunakan media internet dalam pendistribusian atau penyebarannya. Web merupakan kumpulan halaman yang menampilkan informasi dengan berbagai macam jenis. Diantaranya berupa data teks, data gambar diam atau gerak, data animasi, suara, video dan atau gabungan dari semuanya, baik web tersbut bersifat statis maupun bersifat dinamis yang akan membentuk suatu rangkaian yang saling terkait dimana masing-masing rangkaian tersebut dihubungkan dengan jaringan-jaringan halaman yang disebut dengan hyperlink.

Berikutnya pengertian tentang Science. Science atau sains sangat erat hubungannya denga Ilmu Pengetahuan, banyak yang mendefinisikan bahwa sains itu sama dengan Ilmu Pengetahuan. Namun menurut bahasa, sains adalah aktivitas pemecahan masalah yang dilakukan oleh manusia yang dimotivasi oleh rasa ingin tahu tentang dunia sekitar mereka dan keinginan untuk memahami suatu hal atau kejadian tersebut.

Sedangkan yang dimaksud dengan Web Science adalah ilmu yang mempelajari tentang efisiensi atau pemanfaatan dari sebuah web, agar dapat dirasakan manfaat dan kegunaannya pada banyak bidang di dalam kehidupan sehari-hari. Di dalam web science kita belajar bagaimana memberdayakan suatu sumber daya virtual sebagai media komunikasi praktis. Dengan tampilan web yang menarik dan abtraktik agar memunculkan minat orang banyak untuk membaca web tersebut.Contoh-contoh nyata yang sudah diterapkan dapat dilihat pada bidang komersil atau bidang ekonomi, bidang sosial dan bidang pendidikan.

Sejarah Web Science

Penemu situs web adalah Sir Timothy John ¨Tim¨ Berners-Lee, sedangkan situs web yang tersambung dengan jaringan pertamakali muncul pada tahun 1991. Maksud dari Tim ketika merancang situs web adalah untuk memudahkan tukar menukar dan memperbarui informasi pada sesama peneliti di tempat ia bekerja. Pada tanggal 30 April 1993, CERN (tempat dimana Tim bekerja) mengumumkan bahwa WWW dapat digunakan secara gratis oleh publik.

       Situs web biasanya ditempatkan pada server web. Sebuah server web umumnya telah dilengkapi dengan perangkat-perangkat lunak khusus untuk menangani pengaturan nama ranah, serta menangani layanan atas protokol HTTP yang disebut sebagai Server HTTP (bahasa Inggris: HTTP Server) seperti Apache HTTP Server, atau Internet Information Services (IIS).

Web sekarang ini telah berkembang dari ide dan konsep yang dicetuskan oleh Tim Berners-Lee, seorang peneliti pada CERN Particle Physics Lab di Jenewa, Swiss. Pada tahun 1989 Berners-Lee merumuskan suatu proposal tentang sebuah system hypertext yang memiliki tiga komponen sebagai berikut: 

• Antarmuka yang menyediakan akses terhadap berbagai jenis dokumen dan protokol.
• Akses informasi yang universal. Setiap pengguna harus dapat mengakses setiap informasi yang tersedia.Antarmuka yang konsisten untuk semua platform. 
• Antarmuka ini harus menyediakan akses yang dapat digunakan oleh berbagai jenis komputer.

Perkembangan selanjutnya dari konsep Berners-Lee ini melahirkan Mosaic, sebuah web browser grafis yang pertama. Web memiliki banyak kemungkinan hubungan antar dokumen tanpa awal dan akhir. Dalam situs web biasanya ditempatkan pada server web. Sebuah server web umumnya telah dilengkapi dengan perangkat-perangkat lunak khusus untuk menangani pengaturan nama ranah, serta menangani layanan atas protokol HTTP yang disebut sebagai Server HTTP (bahasa Inggris: HTTP Server) seperti Apache HTTP Server, atau Internet Information Services (IIS).

Trend terbaru di dunia Web

Pengembangan web yang update dan memahami perubahan akan mencari untuk beradaptasi di dunia pengembangan web yang terus berubah. Tidak ada yang bisa membayangkan seperti apa bentuk web hari ini pada 20 tahun yang lalu. Maka, siapa yang bisa mengetahui bentuk web pada dekade mendatang. Berikut ini adalah ringkasan trend pengembangan web di tahun 2020.

Aplikasi web progresif

Menjadi responsif tidak cukup di era e-commmerce dan startup, situs web hari ini hingga masa depan harus progresif. Aplikasi web progresif adalah aplikasi yang dirancang untuk beradaptasi dengan browser, ukuran layar, dan spesifikasi perangkat pengguna dengan lebih efektif.

Pengembangan aplikasi web progresif memanfaatkan kemampuan perangkat untuk menjalankan operasionalnya, baik itu smartphone, tablet atau pun laptop dan PC. Aplikasi web progresif bahkan dapat bekerja secara offline.

Kerangka Frontend

Jika saat ini anda tidak menggunakan kerangka kerja frinted seperti react, Vue, js, atau Angular untuk membangun proyek anda. Kerangka kerja tersebut dilengkapi dengan alat yang merampingkan aspek pembangunan yang membosankan sehingga web anda dapat lebih optimal sesuai sasaran.

Situs Web Statis Dan Satu Halaman

Kerangka kerja seperti Jekyll, Gatsby atau Hugo dengan cepat meluncurkan halaman web statis sederhana. Halaman syayis lebih cepat dan lebih aman dari pada yang dinamis, dan Anda dapat menambahkan konten dinamis ke halaman statis dengan bantuan API.

Aplikasi Lintas –platform

Kebanyakan orang menggunakan lebih dari satu perangkat untuk menjelajahi web. Karena nya, membuat aplikasi yang berfungsi dapat sinkron ke berbagai perangkat semakin penting. Kerangka kerja seperti ekectro dan lonic dapat sangat membantu penbuatan aplikasi lintas platform ini.

Komponen Web

Kompiler komponen web seperti stensil membuatnya mudah membuat elemen kustom anda sendiri. Komponen web sangat dapat digunakan kembali, sehingga dapat berguna untuk proyek di masa depan.

Aplikasi Tanpa Server

Pembuatan aplikasi tanpa server seperti Nuclio memungkinkan anda lebih cepat berselancar di internet dengan menanfaatkan teknologi cloud. Teknologi cloud berguna untuk mengurangi beban kerja, meningkatkan penskalaan, dan menghemat uang pada sumber daya yang tidak digunakan. Penyedia cloud utama seperti AWS, Microsoft Azure dan Google Cloud semuanya mendukung layanan tanpa server.

Website Mechine Learning 

Keajaiban mechine learning memungkinkan program mengumpulkan dan mensintesis informasi baru untuk meningkatkan pengalaman pengguna, hanya menggunakan JavaScript anda sudah bisa membuat Machine Learning anda sendiri.

Selain itu, anda juga dapat menggunakan layanan seperti AWS Rekognition untuk nmenambahkan kemampuan pengenalan gambar ke proyek anda dengan relatif mudah.

Web Layanan Pelanggan Chatbots

Kecerdasan buatan telah berkembang ke titik bot dapat menjawabmpertanyaan pelanggan dan memecahkan masalah lebih efisien daripada manusia. Dengan ini, gartner meramalkan akan terjadi peningkatan sebanyak 70% dalam total pendapatan untuk industri AI pada akhir tahun ini.

Teknologi Blockchain

Cryptocurrency seperti bitcoin mengandalkan blockchains tetapi pengembangan web baru menyadari potensi penuh dari teknologi ini. OBM, Microsoft, dan Amazon sedang mengeksplorasi cara-cara baru untul menggunakan blockchains pada tahun 2019.

Pemberitahuan Push Replace Newsletters

Pemberitahuan push tidak lagi hanya untuk aplikasi seluler, notifikasi ini dengan cepat mengganti buletin email tradisional. Pengguna dan pengembang sama-sama lebih suka pemberitahuan secara diam-diam pada bilah alat mereka di atas kotak masuk daripada pemberitahuan yang berisik dan mengganggu kerja.

Daftar Pustaka

http://muhammadyusuf-gunadarma.blogspot.com/2013/03/definisi-dan-sejarah-web-science.html

https://rizkafebrila.wordpress.com/2016/03/25/apa-itu-web-science/

https://www.undercover.co.id/tren-pengembangan-web-2019/

Teknologi Internet dan New Media

Sejarah Internet dan Penerapan New Media

di Berbagai Situs

Sejarah Internet

Internet berasal dari istilah Interconnected Network yang artinya sekumpulan komputer yang saling terhubung pada jaringan komputer di seluruh dunia. Kemampuan tersebut didapat berkat adanya teknologi protokol standar komunikasi internasional yang disebut protokol TCP/IP (Transmission Control Protocol/Internet Protocol). Pada awal kemunculannya yakni Oktober 1960, internet disebut sebagai ARPANET (Advanced Research Project Agency Network). ARPANET merupakan proyek yang dibuat oleh Departemen Pertahanan Amerika Serikat yang diketuai oleh Joseph Licklider.

Awalnya, internet dibuat untuk kepentingan kesehatan dan militer yang hanya menghubungkan empat situs saja, yaitu University of Utah, Stanford Research Institute, Santa Barbara, dan University of California. Keempat universitas tersebut membentuk satu jaringan terpadu pada 1969. Setelah perkenalan resminya di Oktober 1972, ARPANET pun berkembang dengan pesat di seluruh daerah dan semua universitas di Amerika Serikat ingin bergabung. Hal ini membuat ARPANET kewalahan dalam mengaturnya yang kemudian dibagi menjadi dua bagian. Pertama adalah ARPANET untuk kepentingan nonmiliter dan kedua adalah MILnet untuk kepentingan militer.

Tahun 1972, Roy Tomlinson menyempurnakan program e-mail yang telah ia ciptakan untuk ARPANET. Program yang ditujukan untuk surat-menyurat dalam bentuk elektronik ini sangat mudah digunakan sehingga langsung menjadi populer. Pada tahun yang sama, icon @ juga diperkenalkan sebagai lambang penting untuk menunjukkan “at” atau “pada”.

Penggunaan Internet

• Menambah wawasan dan pengetahuan
• Komunikasi Menjadi Lebih Cepat
• Mudahnya Belanja di Internet
• Internet sebagai Wahana Hiburan
• Memudahkan Mencari Lowongan Pekerjaan
• Pentingnya Internet dalam Dunia Bisnis

Penerapan Media di Berbagai Situs

New Media adalah istilah yang dimaksudkan  untuk mencakup kemunculan digital, komputer, atau jaringan teknologi informasi dan komunikasi di akhir  abad ke-20. Sebagian besar teknologi yang digambarkan sebagai media baru adalah digital, seringkali memiliki karakteristik dapat dimanipulasi, bersifat jaringan, padat, mampat, interaktif dan tidak memihak. Secara sederhana media baru adalah media yang terbentuk dari interaksi antara manusia dengan komputer dan internet secara khususnya. Termasuk di dalamnya adalah web, blog, online social network, online forum dan lain-lain yang menggunakan komputer sebagai medianya.

Pandangan terhadap New Media

Pandangan terhadap new media dapat berpengaruh positif dan negatif. Berpengaruh positifnya info dari media sangat mudah dan sangat cepat, dapat di akses di mana pun serta mendapatkannya sangat lah murah. Pengaruh negative new media terhadat manusia adalah info dari media tersebut tanpa batas dan dapat masuknya budaya luar melalui media baru ini,jika tidak di dasarkan kepada ilmu pengetahuan maka akan menimbulkan hal-hal yang negative terhadap masyarakat.

Manfaat dan Kekurangan New Media

• Arus informasi yang dapat dengan mudah dan cepat diakses dimana saja dan kapan saja.
• Sebagai media transaksi jual beli
• Sebagai media hiburan
• Sebagai media komunikasi
• Sarana pendidikan

Namun New Media juga memiliki beberapa kekurangan, yaitu :

·         

• Komponen New MediaTerbukanya informasi menimbulkan kemungkinan pencurian data pribadi. Hal ini biasa dilakukan hacker dengan tujuan-tujuan tertentu.
• Terbukanya arus informasi dan komunikasi juga dapat membawa virus yang berkedok aplikasi dengan mudah menyebar.
• Mudahnya akses situs yang berbau pornografi dan kekerasan.
• Rasa ketagihan berlebihan, contohnya pada saat bermain game online atau jejaring sosial.

Pada new media ada beberapa komponen seperti Pembuat, penyalur dan pemakai juga media yang digunakan  agar dapat berhubungan dengan new media,diantaranya adalah sebagai berikut:

• Produsen merupakan orang yang menciptakan wadah atau sarana new media itu sendiri komponen ini berperan sebagai pencipta atau pembentuk new media.
• Distributor adalah sebuah perantara yang menghantarkan sarana media atau bisa disebut media yang berfungsi mengahantarkan pemakai untuk memakai sarana itu sendiri.
• Konsumen adalah orang yang berperan sebagai konsumen sebuah sarana media atau new media yang berfungsi untuk memakai new media.

• Internet & Web
• Personal Komputer (PC) / Notebook
• DVDs (Digital Versatile Disc or Digital Video Disc)
• VCDs (Compact Discs)
• Portable Media Player.
• Mobile Phone.
• Video Game/ Game Computer.
• Virtual Reality.

Maka,sudah seharusnya perkembangan New Media diikuti dengan kebijakan dari setiap penggunanya. Bagaimana penggunaan dari user tersebut untuk menggunakan New Media dengan lebih positif lagi.

Komponen New Media

Komponen dari new media terdiri dari 3 unsur yaitu pembuat, penyalur dan pemakai dari new media itu sendiri, Komponen dari new media seperti handphone, internet, dan komputer. Dengan adanya komponen-komponen yang modern ini akan sangat mudah dalam melakukan banyak hal seperti beerkomunikasi, memperdalam pengetahuan dan lain seebagainya. Berikut Komponen dalam New Media. Komponen New Media dapat dibagi menjadi dua bagian yaitu :

Komponen Fisik adalah komponen yang berupa atau dapat digunakan dalam mencari apa yang dibutuhkan. Contoh komponen fisik sebagai berikut.

• Handphone / Smartphone
• Notebook
• Tablet
• Komputer                                                       

·                                                

Komponen Non-Fisik adalah komponen yang digunakan untuk berkomunikasi atau media untuk mencari hal hal yang belum diketahui banyak orang. Contoh komponen no-fisik sebagaii berikut.

• Facebook
• Kompas.com
• Gmail
• Internet
• PDF Reader

Sumber :

• https://id.wikipedia.org/wiki/Sejarah_Internet
• https://mybektiblog.wordpress.com/2017/10/09/sejarah-konsep-serta-penerapan-new-media-di-berbagai-situs/
• https://shaktidarikhwan.wordpress.com/2014/09/29/new-media-definisi-pandangan-manfaat-komponen-aplikasi-dan-menganalisa-serta-menjelaskan-fitur-dari-new-media/