Analisis Data Penerimaan Mahasiswa Baru Berbasis K-Means

Abstract

Pendaftaran mahasiswa pada perguruan tinggi yang di selenggarakan setiap tahunnya membuahkan hasil penumpukan informasi calon mahasiswa baru. Informasi yang berlimpah tersebut alangkah baiknya diolah untuk menghasilkan analisa data yang berguna. Penelitian ini menggunakan sample data penerimaan mahasiswa baru di Universitas Widyagama Malang. Metode dilakukan dengan cara pengelompokan data (cluster) calon mahasiswa baru melalui tahap pemrosesan data / informasi menggunakan algoritma K-Means Clustering. Atribut yang digunakan dalam tahap pemrosesan data ini adalah Nama Calon Mahasiswa, jurusan yang dipilih dan Sekolah Asal. Data yang digunakan adalah data mahasiswa Angkatan 2020/2021 dengan mengambil sampel 100 baris data. Sampel yang didapatkan ini diolah dengan cara membagi 3 cluster sampai didapatkan pemodelan data yang sesuai dengan aturan algoritma K-Means Clustering. Cluster1 menunjukkan peminat jurusan ekonomi banyak dari SMA dan SMK, Cluster 2 Menunjukkan peminat jurusan Teknik dari SMK dan MAN, Cluster 3 menunjukkan peminat jurusan hukum dari SMA. Output penelitian ini digunakan sebagai bahan pertimbangan untuk mengatur strategi pengenalan institusi ke sekolah menengah atas yang ada di Kota Malang khususnya.Keywords: Clustering, K-Means, Student Admission.

Implementasi Algoritma K-Means Pada Pengelompokan Data Penerimaan Peserta Didik Baru Di SMKN 1 Balongan

“…Tentunya pengolahan data ini dapat dilakukan dengan menggunakan tool untuk mengolah data dalam ukuran yang besar, yaitu dengan menerapkan metode Data Mining. [10]. Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data [9] .…”

“…Hasil clustering ini memberikan wawasan tentang pola minat calon mahasiswa baru dan dapat digunakan untuk mengatur strategi promosi universitas kepada sekolah menengah atas. Metode ini efisien dalam mengelompokkan calon mahasiswa berdasarkan jurusan, asal sekolah, dan IPK, sehingga memberikan wawasan yang berguna untuk pengambilan keputusan strategis dan perencanaan promosi universitas [10].…”

“…Dalam hal ini yang menjadi permasalahan adalah SMK Wahidin Kota Cirebon masih sering menemui strategi yang tidak tepat dalam promosi penerimaan siswa dikarenkan tidak memiliki data induk dalam bentuk pengelompokan data asal sekolah siswa yang mendaftar di SMK Wahidin Kota Cirebon. Hasil penelitian ini memberikan wawasan yang bisa dijaikan sumber informasi dari hasil pengelompokkan yang dapat dijadikan strategi promosi ditahun ajaran yang akan datang di SMK Wahidin Kota Cirebon [10].…”

Analysis and Design of Student Point Systems to Improve Student Achievement using The Clustering Method

“…The clustering method groups several data or objects into groups (groups) so that each group contains data that is as similar as possible and different from data/objects in other groups (Maukar et al, 2022)while cluster analysis, according to Eka Haryati in his research was used to determine patterns with high characteristics (Haryati et al, 2022) . The clustering method has so far been applied in various fields, as written in research and journals (Windarto et al, 2017) .…”

Analisis Cluster Mahasiswa Pendidikan Matematika Universitas Nias

“…Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan". Dimana sesuai (Maukar et al, 2022) "Knowledge Discovery in Database (KDD) adalah tahapan global dari penggalian data yang terdiri dari beberapa langkah / tahapan, diantaranya pemilihan data mentah, pra pengolahan data (preprocessing), transformasi data, data mining, dan evaluasi hasil dari pengolahan informas".…”