Penerapan Algoritma K-Means Clustering pada Sistem Prediksi Kelulusan Tepat Waktu

Abstract

Saat ini, Dikti menetapkan presentase kelulusan tepat waktu yang baik untuk akreditasi program studi ada dikisaran 50% untuk setiap angkatan. Oleh karena itu Kepala Program Studi memerlukan informasi mengenai jumlah mahasiswa yang diprediksi akan lulus tepat waktu di semester delapan nantinya, agar dapat diambil kebijakan sedini mungkin jika jumlahnya tidak sesuai dengan yang diharapkan. Metode yang digunakan pada penelitian ini adalah algoritma K-Means Clustering, dimana algoritma ini akan membagi data mahasiswa menjadi dua kelompok (klaster), yaitu jumlah mahasiswa yang diprediksi lulus tepat waktu dan yang tidak lulus tepat waktu. Data set yang digunakan adalah data akademik mahasiswa dari semester satu sampai semester enam dengan lima kriteria yaitu IPK sampai semester enam, jumlah sks yang lulus sampai semester enam, jumlah semester yang telah diambil sampai semester enam, jumlah cuti hingga semester enam dan jenis asal sekolah. Hasil dari penelitian ini menunjukkan bahwa jumlah mahasiswa yang diprediksikan akan lulus tepat waktu adalah sekitar 92,84% (311 mahasiswa) berdasarkan data set mahasiswa semester enam yang berjumlah 335 mahasiswa dengan enam kali iterasi pada algoritma K-Means Clustering.