SISTEM PREDIKSI KETEPATAN KELULUSAN MAHASISWA BERDASARKAN DATA AKADEMIK DAN NON AKADEMIK MENGGUNAKAN METODE K-MEANS (STUDI KASUS : UNIVERSITAS CATUR INSAN CENDEKIA)

ABSTRAK Saat ini perkembangan teknologi informasi telah berkembang sangat pesat mengakibatkan ketersediaan dan keberagaman data pun semakin meningkat. Begitu pula yang dirasakan oleh pihak program studi Informatika, Universitas Catur Insan Cendekia. Karena banyaknya data mahasiswa saat ini belum dimanfaatkan secara maksimal dan efisien, pihak prodi masih merasa kesulitan dalam menganalisis evaluasi tingkat kelulusan mahasiswa dikarenakan data yang belum terintegrasi dalam sebuah basis data. Untuk meningkatkan dan mempertahankan kualitas kelulusan dan akreditasi program studi, diperlukan data data tersebut dapat dimanfaatkan sebagai sumber informasi strategis bagi program studi untuk melakukan klasifikasi tingkat kelulusan mahasiswa dengan menggunakan teknik data mining. K- means clustering merupakan salah satu metode data clustering non-hirarki yang mengelompokan data dalam bentuk satu atau lebih cluster/kelompok. software yang digunakan untuk mendesain web yaitu Coreldraw X7, Sublime Text 2, dan untuk desain UML kami menggunakan Enterprise Architect. Setelah menganalisis masalah dalam evaluasi tingkat kelulusan mahasiswa maka Universitas Catur Insan Cendekia dapat mengimplementasikan sistem prediksi kelulusan mahasiswa menggunakan metode K-means Clustering sebagai hasil prediksinya Kata kunci : Data Mining, Kelulusan Mahasiswa, K-Means Clustering, Basis Data, Universitas Catur Insan Cendekia