<![CDATA[Pengetahuan baru mengenai pemetaan karakteristik mahasiswa penerima KIP-K pada perguruan tinggi dapat menggunakan penggalian data yaitu teknik clustering. Pemetaan karakteristik ini dilakukan dari hasil pengelompokan mahasiswa berdasarkan atribut akademik dan non-akademik menggunakan algoritma K-Means++ yang dapat menurunkan jumlah perulangan dalam proses pengelompokan datanya. Dengan menggunakan metode Cross-Industry Standard Process for Data Mining (CRIPS-DM) dan algoritma clustering yaitu k-means++. Dari penelitian ini, dihasilkan model clustering dengan nilai k=2 berdasarkan grafik metode elbow dengan nilai silhouette coefficient terbesar yaitu 0.7523 dan davies bouldine index (DBI) terkecil yaitu 0.49053. Dari hasil pemetaan karakteristik mahasiswa penerima KIP-K ini, didapatkan pengetahuan yang dapat menjadi bahan pengambilan keputusan perguruan tinggi penyelenggaran dalam penyeleksian pendaftar KIP-K sehingga meminimalisir masalah akademik mahasiswa penerima KIP-K di kemudian hari.]]>
Copyrights © 2022
