PENGELOMPOKAN MAHASISWA BERPOTENSI DROP OUT PADA PROGRAM STUDI TEKNIK INFROMATIKA MENGGUNAKAN METODE K-MEANS CLUSTERING
Keywords:
Teknologi Informasi, K-Means Clustering, Drop OutAbstract
Pada Program Studi Teknik Informatika Universitas Kristen Wira Wacana Sumba, angkatan 2016 dan 2017 mencatat tingkat dropout masing-masing sebesar 40.71% dan 31.03%. Penelitian ini bertujuan untuk mengidentifikasi mahasiswa yang berpotensi drop out dengan menggunakan metode K-Means Clustering pada data mahasiswa angkatan 2016. Variabel yang digunakan meliputi Nama, NIM, Indeks Prestasi Kumulatif (IPK), Jenis Kelamin, dan Nilai Mata Kuliah. Berdasakan hasil analisis hasil pengujian data menggunakan tools RapidMiner pada pengelompokan mahasiswa berpotensi Drop Out menggunakan metode k-means clustering melalui variabel yang telah ditentukan menghasilkan 2 cluster dimana cluster 0 memiliki 25 mahasiswa dan cluster 1 memiliki 88 mahasiswa. Cluster 0 dapat disimpulkan bahwa dari 25 mahasiswa dimana pada cluster tersebut pada mata kuliah tertentu tidak memiliki nilai mata kuliah atau tidak pernah mengikuti perkuliahan tersebut sehingga berdampak pada IPK yang rendah dan akan terjadinya lama studi dan akan Drop Out. Sedangkan cluster 1 dapat disimpulkan bahwa mahasiswa pada setiap mata kuliah memenuhi nilai tinggi sehingga tidak terjadi drop out disetiap semester. Hasil penelitian diharapkan dapat menjadi dasar untuk mengembangkan strategi yang sesuai guna mengurangi angka dropout dan meningkatkan tingkat kelulusan di Program Studi Teknik Informatika.
Downloads
References
Faozi, K. (2022). Optimasi Algoritma C4. 5 dengan Fuzzy Inference System Mamdani dalam Memprediksi Mahasiswa Berpotensi Dropout. Scientia Sacra: Jurnal Sains, Teknologi Dan …, 2(3), 272–280. http://pijarpemikiran.com/index.php/Scientia/article/view/238%0Ahttp://pijarpemikiran.com/index.php/Scientia/article/download/238/217
Fina Nasari, & Surya Darma, S. (2015). Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru. Seminar Nasional Teknologi Informasi Dan Multimedia 2015, 73–78.
Handoko, K. (2016). Penerapan Data Mining Dalam Meningkatkan Mutu Pembelajaran Pada Instansi Perguruan Tinggi Menggunakan Metode K-Means Clustering (Studi Kasus Di Program Studi Tkj Akademi Komunitas Solok Selatan). Jurnal Teknologi Dan Sistem Informasi, 02(03), 31–40. http://teknosi.fti.unand.id/index.php/teknosi/article/view/70
Irmayanti, D., Muhyidin, Y., & Nurjaman, D. A. (2021). Prediksi Mahasiswa Berpotensi Drop Out Dengan Metode Iteratif Dichotomiser 3 (ID3). Jurnal Teknologi Informasi, 5(2), 103–113. https://doi.org/10.36294/jurti.v5i2.2054
Meilani, B. D., Susanti, N., Informatika, J. T., Informasi, F. T., Teknologi, I., & Tama, A. (2014). Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode NAÃVE BAYES. Jurnal Sistem Informasi Universitas Suryadarma, 3(2), 182–189. https://doi.org/10.35968/jsi.v3i2.66
Mughnyanti, M., & Hafiz Nanda Ginting, S. (2023). Data Mining Manhattan Distance dan Euclidean Distance Pada Algoritma X-Means Dalam Klasifikasi Minat dan Bakat Siswa. Remik, 7(1), 835–842. https://doi.org/10.33395/remik.v7i1.12162
Muhammad, Y. (2017). Pemanfaatan Data Mining Dengan Metode Clustering Untuk Evaluasi Biaya Dokumen Ekspor Di PT Winstar Batam. Media Informatika Budidarma, 1(2), 28–31.
Nugraha, R. P., Laxmi, G. F., & Riana, F. (2024). PENERAPAN K-MEANS ++ UNTUK PENGELOMPOKAN MAHASISWA BERPOTENSI DROP OUT ( STUDI KASUS : UNIVERSITAS IBN KHALDUN BOGOR ). 8(3), 3493–3500.
Ratniasih, N. L. (2019). Penerapan Algoritma K-Nearest Neighbour (K-Nn) Untuk Penentuan Mahasiswa Berpotensi Drop Out. Jurnal Teknologi Informasi Dan Komputer, 5(3), 314–318. https://doi.org/10.36002/jutik.v5i3.804
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Anggun Suzana Lomi, Arini Aha Pekuwali, Reynaldi Thimotius Abineno
This work is licensed under a Creative Commons Attribution 4.0 International License.
