Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa

• Main Authors: Hendro Priyatman, Fahmi Sajid, Dannis Haldivany
• Format: Article
• Language: Indonesian
• Published: Universitas Tanjungpura 2019-04-01
• Series: JEPIN (Jurnal Edukasi dan Penelitian Informatika)
• Online Access: http://jurnal.untan.ac.id/index.php/jepin/article/view/29611
• ISSN: 2460-0741; 2548-9364

Prediksi waktu kelulusan mahasiswa bertujuan memberikan sarana untuk mengetahui perkiraan waktu lulus mahasiswa dengan melihat mahasiswa-mahasiswa mana saja yang masuk kedalam suatu cluster tertentu berdasarkan parameter IPK dan kehadiran. Penelitian ini menerapkan algoritma K-Means.Algoritma K-Means merupakan model cendroid. Model cendroid adalah model yang menggunakan cendroid untuk membuat cluster. K-Means merupakan salah satu metode clustering non hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih cluster. Metode ini mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karateristik yang berbeda dikelompokan ke dalam cluster yang lain. Penelitian ini diharapkan dapat membantu pihak kampus maupun mahasiswa untuk memprediksi tingkat kelulusan tepat waktu dan untuk meningkatkan reputasi bagi pihak kampus itu sendiri dan kelulusan tepat waktu bagi mahasiswa supaya kelulusan mereka tidak terlambat, selain itu pihak kampus bisa melakukan hal-hal yang perlu dilakukan apabila mereka di prediksi lulus tidak tepat waktu seperti dengan melakukan bimbingan dan hal lainnya.