Klasterisasi Menggunakan Algoritma K-Means Clustering Untuk Memprediksi Kelulusan Mata Kuliah Mahasiswa

Ahzril Pria Adistya; Novara Luthfyani; Perahim Tara; Richky Adriyan; Rifaldi; Perani Rosyani

Authors

Ahzril Pria Adistya Universitas Pamulang
Novara Luthfyani Universitas Pamulang
Perahim Tara Universitas Pamulang
Richky Adriyan Universitas Pamulang
Rifaldi Universitas Pamulang
Perani Rosyani Universitas Pamulang

Keywords:

Graduation, Clustering, K-Means

Abstract

Kelulusan mahasiswa yang tepat waktu akan menguntungkan pihak mahasiswa dan perguruan tinggi. Salah satu faktor yang mempengaruhi kelulusan mahasiswa yang sesuai dengan waktu studi adalah lulus tidaknya mahasiswa dalam sebuah mata kuliah, karena kelulusan mahasiswa dalam sebuah mata kuliah sangat mempengaruhi rata-rata IPK akhir mereka. Clustering merupakan suatu metode untuk pengelompokan dokumen dimana dokumen dikelompokan dengan konten untuk mengurangi ruang pencarian yang diperlukan dalam merespon suatu query (Natalius, 2010). Dalam penelitian ini menggunakan tiga kategori kelulusan yaitu nilai bagus, cukup , dan tidak lulus. Hasil perhitungan dataset dengan metode K-Means didapatkan hasil Accuracy 81%, hal ini menunjukkan bahwa sistem dapat mengklasifikasikan data secara benar, namun dalam pengelompokkannya belum optimal, karena terdapat data yang terklasifikasi benar masuk ke klasifikasi salah dan data terklasifikasi salah masuk ke klasifikasi benar.

References

V. Novita Sari, Y. Yupianti, and D. Maharani, (2018). “Penerapan Metode K-Means Clustering Dalam Menentukan Predikat Kelulusan Mahasiswa Untuk Menganalisa Kualitas Lulusan,” Jurteksi, vol. 4, no. 2, pp. 133–140, doi: 10.33330/jurteksi.v4i2.53.

M. R. A. Fernanda, P. Sokibi, and R. Fahrudin, (2021). “Sistem Prediksi Ketepatan Kelulusan Mahasiswa Berdasarkan Data Akademik Dan Non Akademik Menggunakan Metode KMeans (Studi Kasus : Universitas Catur Insan Cendekia),” J. Digit, vol. 11, no. 1, p. 89, doi: 10.51920/jd.v11i1.182.

G. A. Pradnyana and A. A. J. Permana, (2018). “Sistem Pembagian Kelas Kuliah Mahasiswa Dengan Metode K-Means Dan K-Nearest Neighbors Untuk Meningkatkan Kualitas Pembelajaran,” JUTI J. Ilm. Teknol. Inf., vol. 16, no. 1, p. 59. doi: 10.12962/j24068535.v16i1.a696.

R. Rosmini, A. Fadlil, and S. Sunardi, (2018). “Implementasi Metode K-Means Dalam Pemetaan Kelompok Mahasiswa Melalui Data Aktivitas Kuliah,” It J. Res. Dev., vol. 3, no. 1, pp. 22–31. doi: 10.25299/itjrd.2018.vol3(1).1773

R. M. Sagala, (2021). “Prediksi Kelulusan Mahasiswa Menggunakan Data mining Prediction of college subject using K-means Algorithm in Data mining,” J. TeIKa, vol. 11, no. 2, pp. 131–142.

B. G. Sudarsono and S. P. Lestari, (2021). “Clustering Penerima Beasiswa Yayasan Untuk Mahasiswa Menggunakan Metode K-Means,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 258. doi: 10.30865/mib.v5i1.2670.

Halilintar R and Farina Nur I, (2018). “Penerapan Algoritma K-Means Clustering Untuk Prediksi Prestasi Nilai Akademik Mahasiswa,” J. Sains dan Inform., vol. 4, no. 2.

H. Priyatman, F. Sajid, and D. Haldivany, (2019). “Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa,” J. Edukasi dan Penelit. Inform., vol. 5, no. 1, p. 62. doi: 10.26418/jp.v5i1.29611.

sL. Rusdiana, T. Informatika, J. G. Obos, and N. Palangka, (2009). “Kelulusan Mahasiswa Stmik Palangkaraya,” no. 114.

A. R. JANNAH, D. ARIFIANTO, AND M. KOM, (2015). “PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA JURUSAN TEKNIK INFORMATIKA DI UNIVERSITAS MUHAMMADIYAH JEMBER,” J. MANAJ. SIST. INF. DAN TEKNOL., VOL. 1, NO. 1210651237, PP. 1–10, 2015.