IMPLEMENTASI METODE K-MEANS CLUSTERING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA

PROSIDING Seminar Nasional Inovasi dan Teknologi Informasi SNITI-4 ISSN: 2548-4540 Humbang Hasundutan, 14-16 November 2017

Rabu, 21 Maret 2018 11:35 | Sudah dibaca 1048 kali

Clustering termasuk ke dalam metode deskriptif, dan juga termasuk unsupervised learning dimana tidak ada pendefinisian kelas objek sebelumnya. Sehingga clustering dapat digunakan untuk menentukan label kelas bagi data-data yang belum diketahui kelasnya. Konsep dasar dari clustering adalah mengelompokkan sejumlah objek ke dalam cluster dimana cluster yang baik adalah cluster yang memiliki tingkat kesamaan yang tinggi antar objek di dalam suatu cluster dan tingkat ketidaksamaan yang tinggi dengan objek cluster yang lainnya. Penelitian ini dimaksudkan untuk melakukan prediksi terharap kemungkinan mahasiswa baru dapat menyelesaikan studi tepat waktu serta membantu dalam meningkatkan kualitas pendidikan dengan mengunakan analisis datamining untuk memproses tumpukan data dengan menggunakan algoritma K-MeansClustering. Aplikasi yang dihasilkan pada penilitian ini akan menggunakan berbagai atribut yang klasifikasikan dalam suatu datamining antara lain Total SKS dan Total Nilai sehingga dengan menerapkan K-means Clustering dapat dilakukan suatu prediksi berdasarkan Total SKS dan Total Nilai mahasiswa tersebut. Dari hasil pengujian dengan menerapkan algoritma K-Means Clustering menggunakan sampel data 2012 untuk kasus lama dan data tahun 2013 untuk kasus yang sedang berjalan.

Kata Kunci: Data Mining, K-Means Clustering, Prediksi