Analisis Anomali Nilai Akademik Mahasiswa Berbasis Transformasi Wavelet untuk Mendukung Evaluasi Pembelajaran dan Konsistensi Kelulusan

Abstrak

Sistem penilaian akademik di perguruan tinggi memiliki aturan kelulusan yang ketat, salah satunya mewajibkan mahasiswa mengikuti Ujian Akhir Semester (UAS). Namun, ditemukan fenomena inkonsistensi pada data nilai di salah satu perguruan tinggi swasta di Medan, di mana sejumlah mahasiswa dinyatakan lulus meskipun nilai UAS-nya sama dengan nol akibat kelalaian dosen dalam penginputan nilai. Penelitian ini bertujuan mendeteksi anomali tersebut secara otomatis menggunakan Transformasi Wavelet Diskrit (DWT) dengan filter Daubechies-4 (db4) level 4. Data nilai mahasiswa diperlakukan sebagai sinyal satu dimensi, kemudian dianalisis menggunakan dekomposisi wavelet untuk menghasilkan koefisien detail yang merepresentasikan fluktuasi lokal. Deteksi anomali dilakukan berdasarkan threshold 2,5 kali standar deviasi koefisien detail level pertama, dikombinasikan dengan verifikasi aturan akademik (UAS=0 dan nilai akhir lebih dari sama dengan 60). Pengujian dilakukan pada dua dataset: 569 data dari satu periode akademik dan 1.791 data dari 26 mata kuliah dan 90 kelas pada periode berikutnya. Hasil menunjukkan metode ini berhasil mendeteksi seluruh mahasiswa anomali secara akurat, dengan konsistensi 100% antara implementasi Python dan RStudio. Penelitian ini membuktikan bahwa Transformasi Wavelet dapat diterapkan sebagai mekanisme deteksi anomali data akademik yang efektif untuk mendukung evaluasi pembelajaran dan menjamin konsistensi kelulusan.