SISTEM PREDIKSI KETEPATAN KELULUSAN MAHASISWA BERDASARKAN DATA AKADEMIK DAN NON AKADEMIK MENGGUNAKAN METODE K-MEANS (STUDI KASUS : UNIVERSITAS CATUR INSAN CENDEKIA)

Mochamad Rizky Alvin Fernanda, Petrus Sokibi, Rifqi Fahrudin

Abstract


ABSTRAK

Saat ini perkembangan teknologi informasi telah berkembang sangat pesat mengakibatkan ketersediaan dan keberagaman data pun semakin meningkat. Begitu pula yang dirasakan oleh pihak program studi Informatika, Universitas Catur Insan Cendekia. Karena banyaknya data mahasiswa saat ini belum dimanfaatkan secara maksimal dan efisien, pihak prodi masih merasa kesulitan dalam menganalisis evaluasi tingkat kelulusan mahasiswa dikarenakan data yang belum terintegrasi dalam sebuah basis data. Untuk meningkatkan dan mempertahankan kualitas kelulusan dan akreditasi program studi, diperlukan data data tersebut dapat dimanfaatkan sebagai sumber informasi strategis bagi program studi untuk melakukan klasifikasi tingkat kelulusan mahasiswa dengan menggunakan teknik data mining. K- means clustering merupakan salah satu metode data clustering non-hirarki yang mengelompokan data dalam bentuk satu atau lebih cluster/kelompok. software yang digunakan untuk mendesain web yaitu Coreldraw X7, Sublime Text 2, dan untuk desain UML kami menggunakan Enterprise Architect. Setelah menganalisis masalah dalam evaluasi tingkat kelulusan mahasiswa maka Universitas Catur Insan Cendekia dapat mengimplementasikan sistem prediksi kelulusan mahasiswa menggunakan metode K-means Clustering sebagai hasil prediksinya

Kata kunci : Data Mining, Kelulusan Mahasiswa, K-Means Clustering, Basis Data, Universitas Catur Insan Cendekia

Full Text:

PDF

References


R. Agustia, A. A. Supianto, and N. H. Wardani, “Aplikasi Data Mining menggunakan Algoritme Naive Bayes untuk Memprediksi Ketepatan Waktu Lulus Mahasiswa,” vol. 3, no. 7, pp. 6303–6310, 2019.

D. M. A. B. Pramudita Oktaviani1, Ibnu Asror, S.T., M.T.2, “Analisis Implementasi Sistem OLAP dan Klasifikasi Ketepatan Waktu Lulus dan Undur Diri Mahasiswa Teknik Informatika Universitas Telkom Menggunakan Random forest,” Eval. ISSN 2355-9365, vol. Vol.5, No., 2018.

R. Muliono, “Analisis Algoritma K-Nearest Neighbors dalam Prediksi Waktu Kelulusan Mahasiswa,” vol. 2, no. November, pp. 12–16, 2019.

A. S. Kusuma and K. S. Aryati, “Sistem Informasi Akademik Serta Penentuan Kelas Unggulan dengan Algoritama K-Means di SMP Negeri 3 Ubud,” vol. 1, no. 3, 2019.

M. I. Muhdlari et al., “ANALISIS VARIASI NILAI MOMENTUM DALAM PREDIKSI HARGA IKAN LELE MENGGUNAKAN METODE BACKPROPAGATION,” pp. 1–9, 2019.

K. Pustaka, “Penerapan Algoritma Decision Tree Id3 Untuk Prediksi Kelulusan Mahasiswa Jenjang Pendidikan D3 Di Fakultas Teknik Universitas Pandanaran,” Neo Tek., vol. 5, no. 2, pp. 1–6, 2019, doi: 10.37760/neoteknika.v5i2.1391.

A. Dkbpp and K. Bangkalan, “IMPLEMENTASI K-MEANS CLUSTERING UNTUK PEMETAAN DESA DAN KELURAHAN DI CONTRACEPTIVE PREVALENCE RATE DAN,” 2017.

L. Magdalena and R. Fahrudin, “Penerapan Data Mining Untuk Koperasi Se-Jawa Barat Menggunakan Metode Clustering pada Kementerian Koperasi dan UKM,” J. Digit, vol. 9, no. 2, pp. 190–201, 2019

I. Lubis, D. Handoko, U. H. Medan, P. Studi, T. Informatika, and S. I. Manajemen, “ANALISA DAN RANCANGAN SISTEM INFORMASI MANAJEMEN,” vol. 3, no. 2, 2019.

Nas C. Data Mining Pengelompokan Bidang Keahlian Mahasiswa Menggunakan Algoritma K-Means (Studi Kasus: Universitas Cic Cirebon). Syntax: Jurnal Informatika. 2020; 9(1): 1-14. ISSN 2541-5344




DOI: https://doi.org/10.51920/jd.v11i1.182

Refbacks

  • There are currently no refbacks.



Alamat Sekretariat / Redaksi

Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Catur Insan Cendekia (UCIC)
Jl. Kesambi 202 Kota Cirebon 45133Jawa Barat Indonesia
Telp.(0231) 220 250 / 220 260 / 200 418
Fax.(0231) 242 112, E-mail:lppm@cic.ac.id
Website: http://jurnaldigit.org