Jurnal Senopati, Vol. 1, No. 1, Februari 2017, p-ISSN : 2528-2832, e-ISSN : 2549-7820

Rabu, 10 Mei 2017 16:42 | Sudah dibaca 994 kali

Perkembangan teknologi informasi sangat pesat menyebabkan tingkat akurasi suatu data sangat dibutuhkan dalam kehidupan seharihari. Universitas Prima Indonesia khususnya pada Fakultas Teknologi dan Ilmu Komputer Program Studi Sistem Informasi perlu mengetahui hasil belajar mahasiswa yang telah dicapai. Pihak Fakultas sering kesulitan dalam memprediksi mahasiswa yang berpotensi Drop Out (DO) dengan jumlah mahasiswa yang cukup banyak. Mahasiswa berpotensi drop out dapat mempengaruhi kualitas dari pihak universitas sehingga perlu meminimalisir mahasiswa yang berpotensi drop out dan meningkatkan proses pembelajaran. Metode yang digunakan dalam penelitian ini adalah metode K-Means. Hal ini dikarenakan K-means mempunyai kemampuan mengelompokkan data dalam jumlah yang cukup besar dengan waktu komputasi yang relatif cepat dan efisien. Kriteria yang digunakan dalam penelitian ini adalah SKS, Absensi, dan IPK. Hasil dari penelitian ini meiputi cluster 1 mahasiswa yang sangat berpotensi drop out, cluster 2 mahasiswa yang berpotensi drop out dan cluster 3 mahasiswa tidak berpotensi drop out.

Kata Kunci: drop out, metode k-means, mahasiswa, data mining

• Silakan klik disini untuk melihat artikel lengkap