Identifikasi Outlier Menggunakan Teknik Data Mining Clustering Untuk Analisis Data Tracer Study Pada Fakultas Ilmu Komputer Universitas Esa Unggul

Abstract

Mengidentifikasi Outlier dalam analisis suatu data sangatlah penting. Terlebih data tersebut jenis datapenting dalam suatu Universitas. Dengan mengidentifikasi Outlier pada suatu data tracer study juuga penting,Karena Pihak Universitas dapat mengetahui kenapa data tersebut ada data pencilan atau data yangmenyimpang. Mengidentifikasi Outlier menggunakan Teknik Data Mining Clustering Agoritma K-Means,dapat mengetahui informasi yang akurasi. Karena pengelolaha data nya menggunakan aplikasi MicrosoftExel serta untuk pengujian system dalam pengelolahannya dapat dilakukan di aplikasi Weka. Yang dimanahasilnya sudah langsung dapat diketahui, data tersebut akan di cluster sesuai dengan bidang pekerjaan yangsama dan posisi jabatan yang berkaitan. Yang dimana hasilnya dari Mengidentifikasi Outlier menggunakanTeknik Data Mining Algoritma K-Means, juga menambah informasi, bahwa lulusan Fakultas Ilmu KomputerUniversitas Esa Unggul lebih banyak bekerja pada bidang pekerjaan Jasa Outsourching dengan Posisi Jabatanberkaitan dengan Quality Assurance Specialist.. Yang dimana presentasenya sebanyak 39%. Dan lulusanyang bekerja dibidang pekerjaan Industri Jasa Pengiriman Barang dengan Posisi Jabatan Proses PengirimanBarang atau Kurir. Yang dimana presentase nya sebanyak 9%.