Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Rekomendasi Pilihan Program Studi Pada Mahasiswa Baru (Studi Kasus di Institut Bisnis dan Informatika Kesatuan)

Ade Mulyana, Yanto Hermawan, Nathania Juli Saputri

Abstract


Program penerimaan mahasiswa baru adalah agenda tahunan yang penting bagi perguruan tinggi untuk menarik calon mahasiswa. Pemilihan program studi yang tepat sangat penting agar sesuai dengan kemampuan calon mahasiswa, menghasilkan lulusan yang unggul. Di Institut Bisnis dan Informatika Kesatuan, penerimaan mahasiswa baru mengalami perubahan signifikan beberapa tahun terakhir, yang mengurangi motivasi belajar. Oleh karena itu, diperlukan strategi untuk merekomendasikan program studi yang sesuai dengan bakat dan potensi calon mahasiswa. Penelitian ini menggunakan Data Mining dengan algoritma K-Means Clustering dan Classification untuk menentukan cluster dari data tes mahasiswa baru sebagai dasar untuk merekomendasikan program studi. Hasil K-Means Clustering menunjukkan, 85 mahasiswa di rekomendasikan ke prodi Manajemen, 84 mahasiswa direkomendasikan ke prodi Pariwisata, 72 mahasiswa direkomendasikan ke prodi Sistem Informasi, 39 mahasiswa direkomendasikan ke prodi Biokewirausahaan, 39 mahasiswa direkomendasikan ke prodi Akuntansi, dan 38 mahasiswa direkomendasikan ke prodi Teknologi Informasi. Hasil data mining menunjukan akurasi menggunakan tiga model kalsifikasi yaitu Random Forest dengan akurasi 80.56%, KNN dengan akurasi 76.39%, dan SVC 52.78%. Dengan demikian, model Random Forest dipilih untuk implementasi dalam aplikasi web menggunakan API Flask, karena memberikan akurasi terbaik dalam memprediksi program studi yang cocok untuk mahasiswa baru.

Keywords


Data Mining, Algoritma K-Means Clustering, Classification, Random Forest

Full Text:

PDF

References


Institut Bisnis dan Informatika Kesatuan. (2023). Panduan Penerimaan Mahasiswa Baru 2023/2024. Bogor: IBI Kesatuan.

Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi. (2022). Buku Panduan SNPMB 2022. Jakarta: Kemendikbudristek.

Data Internal Unit Marketing IBI Kesatuan. (2023). Laporan Penerimaan Mahasiswa Baru Tahun 2023.

Wahyuni, S., & Susanto, A. (2021). "Analisis Faktor Dropout Mahasiswa di Perguruan Tinggi Swasta," Jurnal Pendidikan dan Pengajaran, 54(2), 198–207.

Setiawan, R., & Pratama, D. (2020). "Penerapan Algoritma K-Means dalam Pengelompokan Minat Studi Mahasiswa Baru," Jurnal Teknologi Informasi dan Pendidikan, 13(1), 24–30.

Dewi, F. A., Anwar, A., & Yuliana, R. (2021). "Clustering Data Calon Mahasiswa Berdasarkan Minat dan Hasil Tes Masuk Menggunakan K-Means," Jurnal Sistem Informasi, 17(2), 45–53.

Putri, D. F., & Ramadhan, M. I. (2022). "Pengembangan Sistem Rekomendasi Program Studi Menggunakan K-Means Clustering," Jurnal Riset Teknologi Informasi dan Komputer, 8(1), 91–99.

Fauziah, N., & Rachman, A. (2023). "Implementasi K-Means Clustering untuk Pemetaan Minat Program Studi Calon Mahasiswa Baru," Jurnal Teknologi dan Sistem Informasi, 9(1), 12–20.

Pratama, D. (2019). Dasar-Dasar Data dan Informasi dalam Teknologi Informasi. Jakarta: Mitra Wacana Media.

Hidayat, A., & Lestari, R. (2020). "Pengenalan Data Mining dan Aplikasinya di Dunia Industri," Jurnal Informatika dan Teknologi Informasi, 6(1), 12–20.

Association for Computing Machinery (ACM). (2019). Standard Glossary of Data Mining Terms. ACM Press.

Susanto, R. (2021). Algoritma dan Struktur Data untuk Pemula. Bandung: Informatika Bandung.

Fitriani, E., & Mahendra, A. (2022). "Implementasi K-Means untuk Segmentasi Data Mahasiswa Baru," Jurnal Teknologi dan Komputasi, 10(2), 45–52.

Purnama, R. Y. (2023). "Analisis Pengelompokan Data Menggunakan K-Means Clustering," Jurnal Riset Komputer dan Aplikasi (JRKA), 11(1), 88–95.

Fauziah, N., & Ramadhani, A. (2024). Pengantar Data Mining: Teori dan Implementasi. Yogyakarta: Andi Publisher.




DOI: https://doi.org/10.31284/j.kernel.2024.v5i1.7624

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Yanto Hermawan

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Diindeks oleh:
Google Scholar logo Dimensions Logo