Prediksi Kelulusan Mahasiswa Menggunakan Data Mining Algoritma K-Means

Abstrak

Kelulusan sebuah mata kuliah sangatlah penting, apabila terdapat mahasiswa yang tidak lulus di sebuah mata kuliah terutama mata kuliah yang memiliki keterikatan dengan mata kuliah lain, harus mengambil ulang mata kuliah tersebut. Kelulusan di sebuah mata kuliah tidak dapat diketahui sebelum dilakukannya ujian final dan perhitungan nilai akhir sebuah mata kuliah,. Untuk itu perlu dilakukannya prediksi terhadap kelulusan mata kuliah agar membantu mengantisipasi tidak lulusnya mahasiswa dalam sebuah mata kuliah. Melalui tahap studi literatur, wawancara dan melihat data kinerja akademik yang di dapat, maka digunakan nilai tugas, nilai unit test, nilai mid test, dan kehadiran yang didapat dari data kinerja serta faktor internal dan eksternal mahasiswa seperti keaktifan kelas, Status tinggal, Bahasa materi pelajaran, dan bentuk tugas akhir yang di berikan. Pengolahan data dilakukan menggunakan K-means, kemudian menghitung chi square atribute selection dan menghitung tingkat akurasi prediksi tersebut menggunakan confusion matrix. Hasil dari penelitian menunjukkan bahwa hasil prediksi menggunakan K = 3 dari 118 data yang diolah terdapat 13 mahasiswa yang tidak lulus, 36 mahasiswa lulus dengan nilai cukup, dan 69 mahasiswa lulus dengan nilai baik. Dan yang mempengaruhi prediksi kelulusan menggunakan chi square atribute adalah nilai mid dengan ranked atributes sebesar 49, nilai tugas sebesar 46, dan kehadiran sebesar 42. Bahasa materi yang menggunakan Bahasa inggris mempengaruhi mahasiswa yang lulus dengan nilai cukup. Sedangkan tugas akhir yang berupa proyek atau ujian teori tidak terlalu mempengaruhi prediksi kelulusan mahasiswa di sebuah mata kuliah. Penggunaan confusion matrix terhadap hasil prediksi menunjukkan tingkat akurasi sebesar 93% dengan presisi dan recall sebesar 96% dan 92%.