Aplikasi Data Mining untuk Mengukur Tingkat Kelulusan Mahasiswa dengan Metode Apriori dan k-Mean Clustering (Studi Kasus: Jurusan Teknik Informatika Universitas Trunojoyo Madura)

• Main Author: Mohammad Syarief
• Format: Article
• Language: English
• Published: Lembaga Penelitian dan Pengabdian kepada Masyarakat 2011-10-01
• Series: Rekayasa
• Online Access: https://journal.trunojoyo.ac.id/rekayasa/article/view/2340
• ISSN: 0216-9495; 2502-5325

Perguruan tinggi memerlukan proses evaluasi dan penilaian secara komprehensif terhadap mutu pendidikan berdasarkan standar terakreditasi, sehingga perguruan tinggi harus mengetahui kondisi mahasiswa berdasarkan tingkat kelulusannya. Hal ini akan dijadikan bahan evaluasi untuk melakukan perbaikan dan mempertahankan mutu pendidikan. Penelitian ini akan menentukan informasi tingkat kelulusan mahasiswa dengan teknik data mining menggunakan Algoritma Apriori dengan menghitung nilai support dan confidence hubungan antara tingkat kelulusan dengan data induk mahasiswa dan mengelompokkan mahasiswa berdasarkan kategori tingkat kelulusannya menggunakan algoritma k-Mean Clustering. Dengan menggunakan nilai minimum transaksi tertentu atau threshold 4 diperoleh nilai yang terbaik dengan rata-rata kelulusan 11 semester masuk jalur PMDK1 dan berasal dari wilayah Bangkalan. Data hasil keluaran menggunakan algoritma apriori selanjutnya dikelompokkan dengan algoritma k-Mean Clustering. Pengelompokan tersebut berdasarkan segmentasi data nilai, penelitian ini menghasilkan bahwa mahasiswa Jurusan Informatika Universitas Trunojoyo Madura rata-rata lulus dengan IPK 2.75–3.5 atau predikat sangat memuaskan dan rata-rata menempuh jumlah sks 144.   Kata kunci: k-mean clustering, algoritma apriori, support, confidence, kelulusan mahasiswa.   Abstract Colleges require process of comprehensive for evaluation the quality of education. They are based on standards accredited, so that college students should know condition based on graduation rates. This evaluation will be used as materials to repair quality of education. This study will be determined with graduation rate of student information. Data mining techniques has been using a Apriori Algorithm to calculate the value of support and confidence the relationship between graduation rates with parent data. Value of specific transaction or a minimum value threshold of 4 of the best values obtained with an average of 11 semesters of graduation and enter the path PMDK1 Bangkalan. Output data using a priori algorithm then grouped by k-Means Clustering algorithm. The grouping is based on the segmentation of data values, this study suggest that the Department of Informatics University student Trunojoyo average graduate with a GPA of 2.75-3.5 or honors and the average number of credits to take 144.   Key word: k-mean clustering, apriori algoritm, support, confidence, graduation.