Aplikasi Pengelompokan Mahasiswa Potensial Drop Out Pada STMIK TIME

Isi Artikel Utama

Triana Melinda Sinaga

Abstrak

Perguruan tinggi merupakan institusi yang sudah pasti memiliki database dalam jumlah yang besar, misalnya seperti : data akademik, data administrasi dan data mahasiswa. Pola atau pengetahuan dalam pengambilan keputusan bersumber dari data tersebut apabila digali dengan tepat. Data yang dapat digali salah satunya seperti pemahaman informasi pengelompokkan tipe mahasiswa potensial drop out. Hal ini penting untuk diketahui dan dipahami. Memahami pengelompokkan dapat dilakukan dengan pemahaman dan pengungkapan pengetahuan yang dimiliki. Pencegahan kegagalan dalam pengelolaan database merupakan salah satu bagian yang sangat penting bagi manajemen perguruan tinggi. Ukuran keberhasilan atau prestasi mahasiswa dapat dilihat dari Indeks Prestasi (IP) yang mencerminkan seluruh nilai yang diperoleh mahasiswa sampai semester yang sedang berjalan.  Dengan bantuan teknik data mining atau yang disebut dengan penggalian nilai tambah dari data yang berupa informasi dari suatu basis data, seperti algoritma naïve bayes, yang memungkinkan untuk menemukan karakteristik-karakteristik dari nilai prestasi mahasiswa dengan menggunakan data base yang tersedia. Algoritma naive bayes yang baik idealnya menghasilkan kelompok yang berbeda, meskipun dalam praktek pemisahan yang sempurna biasanya tidak bisa dicapai.

Rincian Artikel

Cara Mengutip
[1]
T. M. Sinaga, “Aplikasi Pengelompokan Mahasiswa Potensial Drop Out Pada STMIK TIME”, JTM, vol. 9, no. 1, Mei 2020.
Bagian
Articles