Sistem Klasifikasi Mahasiswa Drop Out Stikom Bali Menggunakan Data Mining

Abstract

<p>ABSTRACT<br />The problem that often occurs in the world of education is the high level of student drop outs. This must be addressed so that it does not get worse. There are several efforts that can be made to overcome these problems including finding hidden information from student data stacks in the database. The discovery of hidden information can be done by utilizing data mining techniques with the K-Nearst Neighbor algorithm. STIKOM Bali as one of the universities certainly needs to look for hidden information stored in a database pile that can later be used as a reference in making decisions to overcome student drop-out problems. The results of the research have been done in the form of designing applications using Data Flow Diagrams, Conceptual Databases, Designing Base Models and Table Structures. From the design that has been done and continued with the implementation stage of the K-Nearst Neighbor algorithm on the application. The application that has been built can classify students who are classified as prospective drop outs.<br />Keywords: K-Nearst Neightbor, Klasifikasi, Drop Out<br />ABSTRAK<br />Permasalahan yang banyak terjadi dalam dunia pendidikan adalah tingginya tingkat drop out mahasiswa. Hal ini harus segera ditanggulangi supaya tidak bertambah buruk. Ada beberapa upaya yang dapat dilakukan untuk mengatasi permasalahan tersebut diantaranya menemukan informasi tersembunyi dari tumpukan data mahasiswa dalam database. Penemuan informasi tersembunyi dapat dilakukan dengan cara memanfaatkan teknik data mining dengan algoritma K-Nearst Neighbor. STIKOM Bali sebagai salah satu perguruan tinggi tentunya perlu mencari informasi tersembunyi yang tersimpan dalam tumpukan database yang nantinya dapat dijadikan acuan dalam pengambilan keputusan untuk menanggulangi permasalahan drop out mahasiswa. Hasil penelitian yang telah dilakukan berupa perancangan aplikasi dengan menggunakan Data Flow Diagram, Konseptual Database, Perancangan Basis Model dan Struktur tabel. Dari perancangan yang telah dilakukan dan dilanjutkan dengan tahap implementasi algoritma K-Nearst Neighbor pada aplikasi.Aplikasi yang telah dibangun dapat menglasifikasikan mahasiswa yang tergolong calon drop out.<br />Kata Kunci : K-Nearst Neighbor, Klasifikasi, Drop out</p>

Analisis Perspektif Peserta Tes dalam Menggunakan Platform Nuadu pada Tes Kemampuan Bahasa Inggris di Binus Language Centre

“…E-learning memainkan peranan yang lebih efisien, menarik serta membuat peserta didik aktif dalam pembelajarannya. E-learning bisa menjadi solusi untuk memberikan akses yang luas dan mudah pada pendidikan berkualitas tinggi (Ramayasa & Arnawa, 2015). Penggunaan platform pembelajaran online atau E-learning tidak hanya memperkaya pengalaman belajar tetapi juga proses penilaian untuk Dari segi kelebihan platform Nuadu yang ditawarkan, tak terlepas dari hambatan yang dialami oleh lembaga Binus.…”

Application of the Learning Vector Quantization Algorithm for Classification of Students with the Potential to Drop Out

“…College as an academic education service provider, we are required to be able to provide an optimal educational process (Ramayasa 2018). The success of the student learning process is often assessed as the success of the university in organizing the educational process.…”