Claim Missing Document
Check
Articles

Found 2 Documents
Search

Evaluasi Kinerja Akademik Mahasiswa ITS NU Sriwijaya Menggunakan Data Mining Absharina, Eriene Dheanda; Novela, Dila; Parwati, Tania Galuh; Antika, Rinda
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 1 (2025): Juni 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i1.362

Abstract

Abstrak Di era saat ini, harapan masyarakat terhadap lembaga pendidikan semakin besar, terutama dalam mencetak generasi yang cerdas, terampil, dan mampu bersaing secara global. Di lingkungan ITS NU Sriwijaya Sumatera Selatan, Indeks Prestasi Kumulatif (IPK) menjadi tolok ukur penting dalam menilai pencapaian akademik mahasiswa. Salah satu faktor yang sering dikaitkan dengan IPK adalah durasi waktu belajar. Namun, dalam praktiknya, cukup banyak mahasiswa yang justru lebih banyak menghabiskan waktu untuk berselancar di internet, khususnya media sosial, yang secara tidak langsung dapat mengganggu fokus belajar mereka. Penelitian ini menggunakan pendekatan data mining dengan algoritma klasifikasi Decision Tree untuk mengelompokkan mahasiswa berdasarkan IPK yang diperoleh pada semester sebelumnya. Selain itu, metode statistik chi-square digunakan untuk menelusuri faktor-faktor yang berpengaruh terhadap capaian IPK. Hasil penelitian menunjukkan bahwa 84% mahasiswa berada dalam kategori IPK tinggi, sementara 16% sisanya masuk kategori sedang. Aktivitas di media sosial terbukti memiliki hubungan yang signifikan dengan IPK, sedangkan durasi belajar ternyata tidak menunjukkan pengaruh yang berarti. Kata kunci: Klasifikasi, Prediksi, IPK, Media Sosial, Decision Tree, Chi-square
Analisis Klaster Judul Berita di Website Suarapublik.Id Menggunakan Metode K-Means Parwati, Tania Galuh; Rina Antasari; Eriene Dheanda Absharina
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.902

Abstract

The rapid development of online news media has led to a significant increase in the amount of information published daily, requiring analytical methods capable of systematically organizing information. Suarapublik.id, as an online news platform operating in the field of information and communication, publishes diverse news headlines covering various topics, which may complicate the identification of content patterns. This study aims to cluster news headlines on the suarapublik.id website using the K-Means Clustering method based on text mining techniques. The literature review of this research is grounded in the concepts of text mining, text preprocessing, TF-IDF weighting, and the K-Means algorithm as a text clustering method. This research employs a quantitative approach with 100 news headlines collected manually and processed using the Google Colab platform. Data analysis was conducted through text preprocessing, TF-IDF weighting, determination of the optimal number of clusters using the Elbow Method, and K-Means clustering. The results show that seven distinct clusters were formed, each representing different news themes, reflecting the content patterns and topic tendencies on suarapublik.id. This study demonstrates that the K-Means method is effective in automatically and systematically clustering news headlines.