English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Intisari — Permenristekdikti nomor 126 tahun 2016 mengatur Penerimaan Mahasiswa Baru Program Sarjana pada Perguruan Tinggi Negeri, yakni Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN), Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN), dan Seleksi Mandiri. Di Universitas Lampung (UNILA), asal sekolah calon pendaftar dijadikan salah satu parameter untuk diterimanya calon mahasiswa baru dengan melihat potensi unggul dibidangnya dari setiap sekolah per tahunnya. Pada jalur SNMPTN dan SBMPTN di UNILA akan dilakukan analisis data dengan menggunakan software tools rapidminer serta menerapkan teknik data mining Algoritma K-means untuk melihat potensi serta konsistensi nilai diberbagai asal sekolah pada setiap tahunnya. Dari hasil perhitungan menggunakan Algotitma K- means diketahui jalur SBMPTN pada jenis ujian SAINTEK, SOSHUM dan IPC didominasi asal sekolah Bandar Lampung dibagi menjadi 3 kelas dimana claster_ 0 (program studi Agroteknologi 31%), claster_1 (program studi Teknik Sipil 37%), dan claster_2 (Pendidikam Kedokteran 95). Pada jalur SBMPTN dengan jenis ujian SOSHUM terdiri dari claster_0 (program studi Hukum 48%), claster_1 (program studi Manajemen 44%), dan claster_2 (program studi Akuntansi 47%). Pada jenis ujian Campuran terdiri dari claster_0 (program studi Hukum sebesar 50%), claster_1 (program studi Pendidikan Bahasa Inggris 23%), dan claster_2 (program studi Akuntansi 38%) selama lima tahun terakhir. Pada jalur penerimaan SNMPTN, claster_0 (Hukum 58%), dan claster_1 (Hukum 37%) didominasi oleh asal sekolah Bandar Lampung, sedangkan pada claster_2 (Pendidikan Kedokteran 46%) didominasi oleh asal sekolah kabupaten Lampung Barat selama empat tahun terakhir.Kata kunci — data mining, k-means, penerimaan mahasiswa baru, SBMPTN, SNMPTN Abstract — Permenristekdikti number 126 of 2016 regulates the New Student Admission for Undergraduate Program at State Universities, namely SNMPTN, SBMPTN, and Independent Selection. University of Lampung (UNILA), makes the origin of prospective applicants' schools as one of the parameters for the acceptance of prospective new students by seeing the superior potential in their fields from each school per year. The pattern of potential values based on origin school has not been analyzed in detail for the SNMPTN and SBMPTN pathways at UNILA. Data analysis will be performed using rapidminer software tools and applying K-means Algorithm data mining techniques to see the potential and consistency of values in various origin schools each year. From the calculation results using the K-means Algorithm it is known that the SBMPTN pathway in the SAINTEK, SOSHUM and IPC. dominated by the origin of Bandar Lampung schools divided into 3 classes where claster_0 (Agrotechnology study program 31%), claster_1 (Civil Engineering study program 37%), and claster_2 (Medical Education 95 48%), claster_1 (Management study program 44%), and claster_2 (Accounting study program 47%) .The types of Mixed examinations consist of claster_0 (Law study program by 50%), claster_1 (English Language Education program 23%), and claster_2 (Accounting study program 38%) for the last five years, on the admission path of SNMPTN, claster_0 (Law 58%), and claster_1 (Law 37%) dominated by the origin of Bandar Lampung schools, while in claster_2 (Medical Education 46%) dominated by the origin of the West Lampung district school for the past four years.Keywords— data mining, k-means, acceptance of new students, SBMPTN, SNMPTN

Analisis Potensi Asal Sekolah pada Jalur Penerimaan Mahasiswa Baru di Universitas Lampung menggunakan Algoritma K-Means