Knowledge Discovery Data Akademik Untuk Prediksi Pengunduran Diri Calon Mahasiswa

• Main Authors: IGA Sri Melati, Linawati Linawati, I.A.D Giriantari
• Format: Article
• Language: English
• Published: Universitas Udayana 2018-12-01
• Series: Majalah Ilmiah Teknologi Elektro
• Online Access: https://ojs.unud.ac.id/index.php/JTE/article/view/40586
• ISSN: 1693-2951; 2503-2372

Pendaftaran Mahasiswa Baru pada susatu institusi pendidikan seperti STMIK STIKOM Bali adalah sebuah kegiatan yang rutin dilaksanakan setiap tahun ajaran baru. Dimana pendaftaran calon mahasiswa baru tersebut selalu meningkat dari tahun ketahun namun calon mahasiswa yang melakukan pendaftaran tidak semua yang melanjutkan kelangkah registrasi dari sejumlah calon mahasiswa yang sudah dinyatakan lulus. Hal ini akan menjadi sangat terlambat untuk mengambil tindakan apabila ternyata mahasiswa baru yang registrasi sangat sedikit jumlahnya. Dengan tidak diketahuinya mehasiswa yang registrasi, maka pihak – pihak perguruan tinggi tidak dapat mengetahui dengan pasti kapanjumlah target penerimaan mahasswa baru tercapai                 Dalam permasalahan ini penggunaan teknik data mining diharapkan dapat memberikan pengetahuan – pengetahuan yang sebelumnya tersembunyi di dalam gudang data, sehingga menjadi informasi yang berharga bagi organisasi. Pada penelitian ini model klasifikasi dan frequen pattern di buat untuk mengidentifikasi pola data dan kemunculannya untuk kelas status “lanjut” atau “mundur pendaftaran”. Beberapa task mining digunakan untuk memprediksi calon mahasiswa yaitu dengan teknik klasifikasi dan teknik Frequent Pattern yang mengektrak model dan menggambarkan kelas data penting. Algoritma yang digunakan adalah Decision Tree dan Apriori. Perangkat lunak yang digunakan untuk implementasi adalah WEKA.    Kata Kunci— Data Mining, Klasifikasi, Decision Tree, Frequent Pattern.