Proses evaluasi hasil prestasi akademik mahasiswa sangat diperlukan sebagai upaya untuk memantau perkembangan akademik mahasiswa. Pengelompokan mahasiswa sesuai dengan hasil perolehan prestasi akademik sangat diperlukan. Salah satu kegunaan adalah sebagai proses pemetaan mahasiswa yang dapat diperkirakan dapat lulus teat waktu dan mahasiswa yang perolehan nilainya masih rendah sehingga perlu adanya pendampingan Tujuan pengelompokan ini dapat digunakan sebagai pemetaan indeks prestasi mahasiswa. Penelitian yang dilakukan bertujuan memberikan alternatif pengelompokan prestasi akademik berdasar pada proses data mining dengan menggunakan model klasterisasi. Metode penelitian menggunakan metode Knowledge Discovery in Database. Metode data mining dengan Knowledge Discovery in Database terdiri dari selection, pre-processing, transformation, model dan evaluation. Datasheet yang digunakan merupakan kumpulan data indeks prestasi mahasiswa yang diolah dari perolehan indeks prestasi mahasiswa semester 1 sampai 6. Model klastering dibangun dengan menggunakan algoritma K-Means. Hasil penelitian menghasilkan pengelompokan yang terbaik adalah pengelompokan sebanyak 2, Proses untuk mendapatkan pengelompokan yang terbaik dilakukan dengan menguji model dengan 6 pengelompokan. Hasil Pengelompokan yang terbaik dilakukan dengan pengujian Davies Bouldin. Kesimpulan penelitian dengan hasil 2 kelompok tersebut dapat diberi kategori, cluster 0 dengan nama kategori bagus dan cluster 1 dengan kategori tidak bagus
CITATION STYLE
Suraya, S., Sholeh, M., & Andayati, D. (2023). PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS PADA PENGELOMPOKAN INDEKS PRESTASI AKADEMIK MAHASISWA. SKANIKA, 6(1), 51–60. https://doi.org/10.36080/skanika.v6i1.2982
Mendeley helps you to discover research relevant for your work.