Knowledge Discovery Data Akademik Untuk Prediksi Pengunduran Diri Calon Mahasiswa

  • IGA Sri Melati teknik elektro
  • Linawati Linawati
  • I.A.D Giriantari

Abstract

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.

Downloads

Download data is not yet available.

References

[1] Han Jiwai, Kamber, Pei, 2012, “Data Mining Concepts and Tecniques Third Edition”. Morgan Kaufman Publishers
[2] Adie Wahyudi Oktavia G, I Ketut Gede Darma Putra, I Putu Agung Bayupati, “Implementasi Algoritma Apriori Untuk Menemukan Frequent Itemset Dalam Keranjang Belanja” Majalah Ilmiah Teknologi Elektro Universitas Udayana, Vol. 15, No.2, Juli –Desember 2016
[3] Anddri, Yesi Novaria Kunang, Sri Murniati, 2013 “Implementasi Teknik Data Mining Untuk Memprediksi Tingkat Kelulusan Mahasiswa Pada Universal Bina Darma Palembang”. Nasional Informatika 2013.
[4] I Gede Harsemadi, Made Sudarma, Nyoman Pramaita, “Implementasi Algoritma K-Nearest Neighbor Pda Perangkat Lunak Pengelompokan Musil Untuk Menentukan Suasana Hati”, Majalah Ilmiah Teknologi Elektro Universitas Udayana Vol. 16, No.1, Januari –April 2017
[5] Ankita A Nichat, Dr. Anjali B Raut. 2017. “Predicting and Analysis of Student Performance Using Decision Tree Techniqie”. International Journal Vol 5 2017
[6] Han Jiawai, Pei Jian, Yin Yuwen, Mao Runying. “Mining Frequent Pattern Candidate Generation: A Frequent Pattern Tree Aproach”. Data Mining and Knowledge Discovery, 2014
[7] Wahyudin, Ari Wijaya, Swamardika. “Data Mning For Clustering Revenue Plain Expense Area (APBD) By Using K-Means Algorithm”. International Journal Of Engineering And Emerging Technology, Vol. 2, No 1 Januari-June 2017
[8] Jiawei Han, Micheline Kamber, Jian Pei. “Data Mining Concepts and Techniques Third Edition”. Simon Fraser University Elsivier 2012
[9] Cristina Oprrea, Della Miora Popescu, Anca Gabriela Petrescu, Irina Barb. “Data Mining based Model To Improve University Management” Journal Of Science And Arts, 2017
Published
2018-12-05
How to Cite
MELATI, IGA Sri; LINAWATI, Linawati; GIRIANTARI, I.A.D. Knowledge Discovery Data Akademik Untuk Prediksi Pengunduran Diri Calon Mahasiswa. Majalah Ilmiah Teknologi Elektro, [S.l.], v. 17, n. 3, p. 325-332, dec. 2018. ISSN 2503-2372. Available at: <https://ojs.unud.ac.id/index.php/jte/article/view/40586>. Date accessed: 28 mar. 2024. doi: https://doi.org/10.24843/MITE.2018.v17i03.P04.