<![CDATA[Berlimpahnya data mahasiswa dan data jumlah kelulusan mahasiswa, informasi yang tersembunyi dapat diketahui dengan cara melakukan pengolahan terhadap data mahasiswa sehingga berguna bagi pihak perguruan tinggi. Pengolahan data mahasiswa perlu dilakukan untuk mengetahui informasi penting berupa pengetahuan baru (knowledge discovery), misalnya informasi mengenai pengklasifikasian data mahasiswa berdasarkan profil dan data akademik. Pengetahuan baru tersebut dapat membantu pihak perguruan tinggi untuk melakukan klasifikasi mengenai tingkat kelulusan mahasiswa guna menentukan strategi untuk meningkatkan kelulusan pada tahun-tahun berikutnya. Diketahui bahwa Politeknik Indonusa Surakarta belum memanfaatkan database tersebut dan dalam menentukan prediksi kelulusan masih menggunakan metode manual dengan tingkat subyektifitas yang tinggi. Algoritma klasifikasi data mining dapat diusulkan sebagai salah satu pendekatan yang dapat dilakukan untuk memprediksi masa studi mahasiswa berdasarkan data akademik mahasiswa yang tersedia. Implementasi seleksi fitur forward selection pada algoritma klasifikasi bertujuan untuk mencari atribut-atribut yang signifikan dalam prediksi masa studi serta menghilangkan atribut-atribut yang tidak signifikan, sehingga dapat meningkatkan akurasi hasil penghitungan. Hasil penelitian didapat bahwa algoritma k-nearest neighbor menunjukkan nilai akurasi tertinggi dibandingkan algoritma klasifikasi data mining yang lain, yaitu sebesar 59,52% (tanpa tambahan seleksi fitur forward selection) dan 58,19% (menggunakan tambahan seleksi fitur forward selection).]]>
Copyrights © 2018
