PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA MAHASISWA (Studi Kasus: Universitas Katolik De La Salle Manado)

Tontong, Jonathan Adrian and Adrian, Angelia Melani and Sanger, Junaidy Budi (2021) PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA MAHASISWA (Studi Kasus: Universitas Katolik De La Salle Manado). Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-DAFTAR_ISI_JonathanTontong.pdf Download (428kB)
	PDF BAB_ISI-LAMPIRAN_JonathanTontong.pdf Restricted to Repository staff only Download (1MB)

Official URL: http://digilib.unikadelasalle.ac.id/

Abstract

Pendaftaran Mahasiswa Baru di Universitas Katolik De La Salle Manado (UKDLSM) dibuka setiap tahun dimulai dari bulan Februari. Banyak mahasiswa yang mendaftar untuk masuk ke universitas ini. Para calon mahasiswa mayoritas berasal dari dalam daerah di provinsi Sulawesi Utara, bahkan banyak juga yang berasal dari luar provinsi tersebut seperti provinsi Gorontalo, Sulawesi Selatan, Papua dan Maluku. Setelah diterima menjadi mahasiswa di UKDLSM, data-data dari mahasiswa ini akan tersimpan dalam database mahasiswa UKDLSM. Data mahasiswa ini akan berguna dan menghasilkan banyak informasi jika diolah dengan baik. Melalui data ini dapat dilihat sebaran mahasiswa yang masuk ke universitas ini berasal dari daerah mana dan jenis sekolah SMA atau SMK sederajat, serta masih banyak lagi. Oleh sebab itu, penelitian kali ini mengembangkan aplikasi berbasis data mining untuk melakukan klasterisasi terhadap data mahasiswa di UKDLSM menggunakan algoritma KMeans Clustering. Aplikasi di bangun dengan menggunakan bahasa pemrograman Python dengan pemodelan data yang digunakan adalah Data Flow Diagram (DFD). Data yang diolah pada penelitian ini berjumlah 485 data mahasiswa, yang terdiri dari 4 parameter antara lain kabupaten/kota asal, program studi, asal sekolah dan jurusan di sekolah asal. Proses klasterisasi dilakukan dengan memilih Nilai K=3 sesuai dengan data mahasiswa yang terdiri dari 3 program studi dengan jumlah mahasiswa terbanyak, dan menghasilkan Jumlah Data Pada Tiap klaster yaitu: klaster 1 sebanyak 408 data, 2 sebanyak 19 data dan klaster 3 sebanyak 58 data, dengan jumlah proses iterasi: 7 Iterasi dan Silhouette Score: 0.56.

Kata kunci: Data Mahasiswa, Data Mining, K-Means Clustering, Klasterisasi.

Item Type:

Thesis (Skripsi)

Creators: