Penerapan Data Mining Untuk Prediksi Indeks Prestasi Kumulatif Kelulusan Mahasiswa APIKES Citra Medika Surakarta

Abstract

APIKES Citra Medika terus mengalami kenaikan jumlah lulusan setiap tahunnya. Masih terdapat lulusan yang memiliki Indeks Prestasi Kumulatif (IPK) kelulusan dibawah 3,00 sehingga kesulitan dalam memenuhi persyaratan dalam melamar pekerjaan. Data akademik lulusan menumpuk tetapi belum diolah dengan optimal guna mencegah mahasiswa lulus dengan perolehan IPK kelulusan yang rendah sejak dini.

Penelitian ini bertujuan untuk membangkitkan informasi dan pengetahuan dari data akademik lulusan dengan cara: (1) Memprediksi IPK kelulusan berdasarkan nilai IPK semester 1 dan nilai IPK semester 2; (2) Memprediksi klasifikasi predikat kelulusan berdasarkan rata-rata IPK tingkat 1. Pengetahuan yang didapat dari data mining digunakan untuk memprediksi IPK kelulusan dan prediksi predikat klasifikasi lulusan dari mahasiswa aktif. Penelitian ini berkontribusi pada penerapan data mining dalam pengolahan data akademik

Metode prediksi IPK kelulusan yang digunakan adalah function linear regression.  Metode prediksi klasifikasi predikat kelulusan dengan menggunakan metode decision tree (algoritma C45). Metode penelitian yang digunakan adalah pengumpulan data akademik lulusan, seleksi dan pembersihan data, transformasi data, prediksi IPK kelulusan dan prediksi klasifikasi kelulusan dan evaluasi data.

Penelitian ini menghasilkan prediksi IPK kelulusan mahasiswa dengan melakukan perhitungan  (0,3794 dikalikan IPK semester 1)+( 0,3805 dikalikan IPK semester 2) + 0,8326. Mahasiswa yang dapat diberikan peringatan awal kemungkinan memperoleh IPK kelulusan rendah adalah mahasiswa dengan rerata IPK tingkat 1 <=2.72 diprediksi termasuk klasifikasi predikat kelulusan Cukup, mahasiswa dengan rerata antara >2,72 sampai <=3,01 termasuk klasifikasi predikat Memuaskan.

Kata kunci: data mining,  klasifikasi, prediksi, linear regression, decision tree