Klasifikasi Data Penerimaan Mahasiswa Baru Pada Universitas Bina Darma Menggunakan Algoritma K-Means Clustering
DOI:
https://doi.org/10.31004/jpdk.v4i4.5879Abstract
Tujuan dari penelitian ini adalah mengelompokkan data mahasiswa baru tahun 2019 sampai dengan 2021 pada Univesitas Bina Darma dengan memanfaatkan proses data mining dengan menggunakan algoritma K-means clustering. implemetasi menggunakan software Rapidminer digunakan untuk membantu menemukan nilai yang akurat. dalam mengerjakan penelitian ini penulis menggunakan 3 attribut dalam mengelompokkan data terdiri dari nama sekolah, daerah sekolah, jenis kelamin. Jenis pengambilan data yang digunakan menggunakan data sekunder. Metode analisis kebutuhan data yang digunakan penulis menggunakan tahap knowledge discovery-in data base (KDD). Cluster mahasiswa yang terbentuk adalah tiga cluster, dengan cluster pertama 897 items,cluster kedua 2054 items dan cluster ketiga berjumlah 389 items. Hasil dari penelitian ini digunakan sebagai salah satu dasar pengambilan keputusan dalam menentukan strategi mempromosikan Universitas Bina Darma di masing-masing daerah. Berdasarkan hasil cluster algoritma k-means dapat dilihat nama sekolah dan daerah sekolah mana saja yang mendaftar di Universitas Bina Darma Palembang.Downloads
Published
2022-08-06
How to Cite
Udariansyah, . D. ., & Ibrahim, D. R. . (2022). Klasifikasi Data Penerimaan Mahasiswa Baru Pada Universitas Bina Darma Menggunakan Algoritma K-Means Clustering . Jurnal Pendidikan Dan Konseling (JPDK), 4(4), 2692–2701. https://doi.org/10.31004/jpdk.v4i4.5879
Issue
Section
Articles
License
Copyright (c) 2022 Devi Udariansyah, Deny Rahmat Ibrahim
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License that allows others to share the work with an acknowledgement of the works authorship and initial publication in this journal. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journals published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).