UNDHIRA BALIUNDHIRA BALI

Jurnal Teknologi Informasi dan KomputerJurnal Teknologi Informasi dan Komputer

Proses penerimaan mahasiswa baru di STMIK Primakara Denpasar menghasilkan data profil pribadi mahasiswa yang jumlahnya melimpah. Hal tersebut akan terus berlangsung setiap tahunnya sehingga data yang tersimpan pada database juga akan semakin banyak jumlahnya. Hal tersebut sangat disayangkan apabila data yang dimiliki tidak dimanfaatkan dengan baik. Penelitian ini menerapkan metode data mining dengan algoritma k-means clustering yang bertujuan untuk mengetahui pola pemilihan program studi bagi mahasiswa baru di lingkungan STMIK Primakara. Data yang telah diperoleh diproses melalui tahap pre-processing yang meliputi data cleaning (pembersihan data), data integration (integrasi data), data selection (seleksi data) dan data transformation (transformasi data). Setelah melalui tahap pre-processing tesebut, langkah selanjutnya adalah penerapan data mining menggunakan algoritma k-means clustering. Dalam tahap ini, data yang memiliki kemiripan dan karakteristik yang sama dikelompokkan dalam cluster tertentu. Tahap terakhir yaitu data interpretation (interpretasi data) terhadap pola informasi yang dihasilkan dari proses mining. Hasil penelitian menunjukkan bahwa setelah dilakukan pengelompokan data mahasiswa berdasarkan program studi, asal daerah, dan jenis sekolah menggunakan K-Means clustering terbentuk 3 (tiga) cluster, dimana masing-masing cluster memiliki karakteristik yang berbeda berdasarkan program studi, jenis sekolah, dan asal daerah. Hasil dari penelitian ini selanjutnya dapat digunakan sebagai salah satu dasar pengambilan keputusan untuk menentukan strategi dalam mempromosikan program studi di STMIK Primakara.

Setelah dilakukan pengelompokan data mahasiswa berdasarkan program studi, asal daerah, dan jenis sekolah menggunakan K-Means clustering terbentuk 3 (tiga) cluster.Cluster 1 lebih banyak memilih program studi SIA berasal dari sekolah SMA di daerah Denpasar, Badung, Gianyar, Tabanan, dan Jembrana.Cluster 2 yang lebih banyak memilih program studi IF berasal dari sekolah SMK di daerah Gianyar, Karangasem, dan Tabanan.Cluster 3 terdiri dari mahasiswa yang lebih banyak memilih program studi SI berasal dari sekolah SMA di daerah Denpasar, Badung, Gianyar, Tabanan, dan Jembrana.Hasil clustering ini selanjutnya dapat digunakan untuk menentukan strategi promosi pada persebaran daerah berdasarkan jenis sekolah dan program studi yang diminati.

Untuk penelitian lanjutan, dapat dilakukan analisis lebih mendalam tentang faktor-faktor lain yang mempengaruhi pilihan program studi, seperti prestasi akademik, minat, dan latar belakang sosial ekonomi. Selain itu, dapat juga dikembangkan model prediksi kinerja akademik mahasiswa menggunakan regresi linier dan mengelompokkan mahasiswa berdasarkan prestasi akademik. Penelitian selanjutnya juga dapat fokus pada implementasi algoritma K-Means untuk mengelompokkan jurusan/program studi yang diminati di masing-masing sekolah, sehingga dapat membantu pihak sekolah dalam pengelompokan jurusan dan membantu siswa dalam menentukan jurusan yang sesuai dengan minat dan bakatnya.

  1. PENERAPAN DATA MINING MENGGUNKAN ALGORITMA K-MEANS CLUSTRING PADA PENERIMAAN MAHASISWA BARU | Yunita... doi.org/10.32520/stmsi.v7i3.388PENERAPAN DATA MINING MENGGUNKAN ALGORITMA K MEANS CLUSTRING PADA PENERIMAAN MAHASISWA BARU Yunita doi 10 32520 stmsi v7i3 388
  2. The Implementation of K-Means Algorithm for Cluster Majoring to New Students in SMKN 2 of South Tangerang... doi.org/10.33395/sinkron.v4i1.10133The Implementation of K Means Algorithm for Cluster Majoring to New Students in SMKN 2 of South Tangerang doi 10 33395 sinkron v4i1 10133
Read online
File size414.14 KB
Pages8
DMCAReport

Related /

ads-block-test