<![CDATA[Proses penerimaan calon mahasiswa baru di Akademi Maritim Suaka Bahari setiap tahun menghasilkan data yang sangat banyak berupa profil calon mahasiswa. Kegiatan tersebut menimbulkan penumpukan data dalam jumlah besar, hal ini menjadi kesulitan untuk melakukan identifikasi terhadap calon mahasiswa. Penelitian ini membahas tentang penerapan data mining untuk menghasilkan profil yang memiliki kemiripan atribut yang sama. Salah satu teknik data mining yang digunakan untuk mengidentifikasi suatu kelompok dari objek yang memiliki karakteristik yang sama adalah Analisis Cluster. Metode clustering data dibagi kedalam bentuk satu atau lebih cluster/kelompok yang memiliki karakteristik sama disebut K-means. Metode yang penulis gunakan adalah knowledge discovery in databases (KDD) yang terdiri dari Data, Data Cleaning, Data transformation, Data mining, Pattern evolution, knowledge. Implementasi proses K-means Clustering menggunakan Rapid Miner. Atribut yang digunakan NIT, Tingkat, Nama, Status Mahasiswa, Jenis Pendaftaran, Jenis Kelamin, Tempat Lahir, Tgl Lahir, Agama, Asal Sekolah, Jurusan Asal Sekolah, Agama, IPK, Kecamatan, Kab/Kota, Provinsi. Menghasilkan jumlah cluster 30 (k=30). Dari hasil penelitiam berdasarkan uji davies bouldin pada algoritma K-means menghasilkan nilai paling mendekati 0 adalah k = 29 dengan Davies bouldin: 0.070, dengan persebaran anggota cluster terbanyak ada pada cluster 16 berisi anggota cluster 115 items.]]>
Copyrights © 2021
