Clustering Data Penerimaan Mahasiswa Baru Universitas Handayani Makassar Menggunakan Algoritma K-Means

Authors

  • A. Ade Rosali Saputra Universitas Handayani Makassar
  • Samsart Deandi Palumery Universitas Handayani Makassar
  • Hazriani Hazriani Universitas Handayani Makassar
  • Yuyun Yuyun Universitas Handayani Makassar

Keywords:

data mining, clustering, k-means, handayani university, computer systems

Abstract

This research aims to group new student data for the 2022 academic year at Handayani University Makassar by utilizing a data mining process using the K-Means Clustering algorithm. Implementation using Rapidminer software is used to help determine accurate values. The data used in carrying out this research consists of 4 (four) attributes, namely, school origin, average UAS (final semester exam) score, gender and chosen study program. The research process begins by selecting data and then transforming the data into a numerical group. It is hoped that the results of this research can help universities in improving appropriate promotional strategies in each study program at Handayani University, Makassar.

References

Damanik, N, dan Sigiro, M. (2021). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Pada Penerimaan Mahasiswa Baru Sebagai Metode Promosi. Jutisal Jurnal Teknik Informatika Universal, 4, 33–43.

Muliono, R., & Sembiring, Z. (2019). Data Mining Clustering Menggunakan Algoritma K- Means Untuk Klasterisasi Tingkat Tridarma Pengajaran Dosen. CESS (Journal of Computer Engineering, System and Science), 4(2), 2502– 2714.

Prakoso, Y. (2019). Sistem Pendukung Keputusan Penerimaan Calon Mahasiswa Baru Menggunakan Metode K-Means Clustering Di Universitas Negeri Surabaya. Jurnal Manajemen Informatika, 9(2), 79–86.

Budiman, I., Prahasto, T., & Christyono, Y. (2012). Data Clustering Menggunakan Metodologi Crisp-Dm Untuk Pengenalan Pola Proporsi Pelaksanaan Tridharma. In Seminar NasionalAplikasi Teknologi Informasi.

Ardiada, I. M. D., Sudarma, M., & Giriantari, D. (2019). Text Mining pada Sosial Media untuk Mendeteksi Emosi Pengguna Menggunakan Metode Support Vector Machine dan K-Nearest Neighbour. Majalah Ilmiah Teknologi Elektro, 18(1), 55. https://doi.org/10.24843/mite.2019.v18i01.p08

Apriliani, A., Zainuddin, H., Hasanuddin, Z. B., Handayani Makassar, S., & Pembangunan Nasional Veteran Jawa Timur, U. (2020). Peramalan Tren Penjualan Menu Restoran Menggunakan Metode Single Moving Average. 7(6), 1161–1168. https://doi.org/10.25126/jtiik.202072732

Lestari, W., Bina, S., & Kendari, B. (2019). Clustering Data Mahasiswa Menggunakan Algoritma K-Means Untuk Menunjang Strategi Promosi (Studi Kasus : STMIK Bina Bangsa Kendari). In SIMKOM (Vol. 4, Issue 2). http://e- jurnal.stmikbinsa.ac.id/index.php/simkom35

Mukrodin1), R. T. D. S. R. E. (2022). Data Mining Clustering Data Obat-Obatan Menggunakan Algoritma K-Means pada RSU An Ni’Mah Wangon. JIKA (Jurnal Informatika), 7, 165–172.

Suyanto. 2017. Data Mining untuk Klasifikasi dan Klasterisasi Data. Edisi Pertama. Bandung: Penerbit Informatika, 2017. p. 342. 978-602-6232- 36-6

Downloads

Published

2023-10-17

How to Cite

A. Ade Rosali Saputra, Samsart Deandi Palumery, Hazriani, H., & Yuyun, Y. (2023). Clustering Data Penerimaan Mahasiswa Baru Universitas Handayani Makassar Menggunakan Algoritma K-Means. Prosiding SISFOTEK, 7(1), 36 - 39. Retrieved from http://seminar.iaii.or.id/index.php/SISFOTEK/article/view/398

Issue

Section

3. Data dan Diseminasi Informasi
bk8