KLASTERISASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA K-MEANS

Teknologi Informasi berkembang dengan pesat dan penggunaannya juga semakin luas. Pengolahan data hingga pengambilan keputusan dapat dilakukan dengan bantuan perangkat Teknologi Informasi. Demikian juga dengan pengambilan keputusan untuk penerimaan mahasiswa baru. Sistem seleksi penerimaan mahasiswa baru di STMM menggunakan 2 (dua) jenis ujian yaitu CBT (Computer Based Test) dan wawancara yang dilaksanakan pada hari yang sama. Seleksi dengan menggabungkan 2 (dua) nilai tersebut dengan prosentase tertentu, sehingga didapatkan rangking calon mahasiswa baru. Berdasar pada permasalahan tersebut penulis pada kesempatan ini akan membuat klasterisasi data calon mahasiswa baru tersebut berdasar nilai CBT dan wawancara menggunakan algoritma K-Means. Tujuan dari penelitian ini adalah untuk mengetahui pola pengelompokan nilai CBT dan wawancara calon mahasiswa baru STMM Yogyakarta. Hasilnya Ada empat klaster, klaster pertama dengan anggota sebanyak 1059 data calon mahasiswa, terdapat 132 yang lolos seleksi atau 22,147% dari total lulus. Kemudian pada klaster kedua, dari 424 anggota terdapat 12 yang lolos seleksi atau sekitar 2% dari total lulus. Kemudian pada klaster ketiga, dari 659 anggota terdapat 447 yang lolos seleksi atau 75% dari total lulus . Dan pada klaster keempat, dari 547 anggota hanya 5 yang lolos seleksi atau 0,8% dari total lulus.