Pengelompokan Mahasiswa Potensial Drop Out Menggunakan Metode Clustering K-Means

Abstract

Clustering K Mean digunakan untuk melakukan pengelompokan. Metode K-Means berusaha mengelompokkan data yang ada dalam beberapa kelompok yang unik, dimana data dalam satu kelompok memiliki karakteristik yang sama satu sama lainnya dan memiliki karakteristik yang berbeda dengan data ada dalam kelompok yang lain. Untuk melakukan pengelompokan mahasiswa potensi drop out diperlukan atribut. Total Sistem Kredit semester, Indek Prestasi Komulatif, dan Semester Total. Proses Clustering K- Mean dilakukan dengan menentukan titik centroid awal yang terdekat dalam satu kelompok mahasiswa yang potensial drop out. Hasil clustering K-Mean oleh Total Sistem Kredit semester, Indek Prestasi Komulatif, dan Total Semester. Hasil Clustering mahasiswa yang potensial drop out untuk angkatan 2014 berada pada cluster 0 berjumlah 4 orang mahasiswa atau 30,77% dari 13 Sampel, angkatan 2015 berada pada cluster 1 berjumlah 4 mahasiswa dan cluster 2 berjumlah 2 mahasiswa atau 66,7% dari 9 sampel, angkatan 2016 berada pada cluster 0 berjumlah 2 mahasiswa dan cluster 1 berjumlah 10 mahasiswa atau 50% dari 24 sampel, dan angkatan 2017 berada pada cluster 2 kekuatan 4 mahasiswa atau 22,22% dari 18 sampel .

Keywords

• Data Mining, Clustering, K-Mean, Potensial Drop Out