<![CDATA[Drop out adalah keluar dari sekolah sebelum waktunya, atau sebelum lulus. Drop out demikian ini perlu dicegah,oleh karena hal demikian dipandang sebagai pemborosan bagi biaya yang sudah terlanjur dikeluarkan untuknya. Banyaknyapeserta didik yang drop out adalah indikasi rendahnya produktivitas pendidikan. Tingginya angka drop out juga bisamengganggu angka partisipasi pendidikan atau sekolah. Mahasiswa Drop Out adalah mahasiswa melebihi jangka waktu studidan atau melanggar ketentuan yang berlaku.Penggunaan Data Mining Clustering merupakan pengelompokan record, pengamatan, atau memperhatikan dalambentuk kelas objek – objek yang memiliki kemiripan yang satu dengan yang lainnya dan tidak memiliki rekord – record dalamkluster lain.Maka penulis merancang Data Mining Pengelompokan Mahasiswa Potensial Drop Out, karena sistem yang sedangberjalan pada STMIK Kaputama kurang baik. Hal ini memperlambat mengetahui data mahasiswa drop out.Dari hasil penelitian, hasil pengelompokan Group 1 dari 20 data terdapat sebanyak 5 Program Studi yaitu SI (S1),TI (S1), TI (D3), KA (D3), MI D3 yang terdapat pada STMIK Kaputama. Group 2 dari 20 data terdapat sebanyak 3 Jenis DropOut yaitu Keluar, Pindah, Cuti , Group 3 dari 20 data terdapat 5 Alasan Drop Out yaitu Tidak Mengikuti Kuliah 4 SemesterBerturut-turut, Kuliah Di Luar Kota, Terhambat Biaya, Bekerja , Sakit yang terdapat pada STMIK Kaputama.]]>
Copyrights © 2023
