<![CDATA[Salah satu aspek penilaian akreditasi adalah mahasiswa dan lulusan. Tingkat kelulusan dan jumlah mahasiswa akan berpengaruh dalamproses akreditasi yang dilakukan oleh pemerintah. Database perguruan tinggi menyimpan berbagai data, dari data tersebut apabila digalidengan tepat maka dapat diketahui pola atau pengetahuan baru yang dapat dikembangkan untuk diterapkan pada perguruan tinggidiantaranya mengenai potensi mahasiswa lulus tepat waktu, lulus terlambat, dan drop out. Penelitian ini menggunakan metode KnowledgeDiscovery in Database (KDD) untuk menganalisis data dalam penerapan data mining, mengekstrak pengetahuan apa yang dianggap sesuaidengan spesifikasi ukuran dan batas, menggunakan database bersama dengan preprocessing yang diperlukan, pengambilan sampel dantransformasi dari database. Teknik data mining dapat melakukan prediksi kelulusan tepat waktu, terlambat dan drop out, yaitu menggunakandecision tree atau pohon keputusan dengan algoritma C4.5 berdasarkan atribut IPK4, status pekerjaan, program studi, asal sekolah, jeniskelamin, gaji orangtua dan asal daerah. Algoritma C4.5 dapat mengkonstruksi pohon keputusan yang mampu mengatasi atribut bert ipekontinu, mengatasi nilai yang hilang dan dapat melakukan pemangkasan pohon yang kompleks. Data yang digunakan dalam proses prediksiadalah data mahasiswa tahun 2006 sampai dengan 2010, dan data yang digunakan untuk menguji pola prediksi adalah data mahasiswa tahun2012.]]>
Copyrights © 2020
