Perancangan Sistem Intervensi Peringatan Dini dan Pemantauan Masa Studi Mahasiswa UMN dengan Metode Clustering

Rahmanita, Amelia (2024) Perancangan Sistem Intervensi Peringatan Dini dan Pemantauan Masa Studi Mahasiswa UMN dengan Metode Clustering. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (834kB)
	PDF BAB_I.pdf Download (226kB)
	PDF BAB_II.pdf Download (423kB)
	PDF BAB_III.pdf Download (268kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (270kB)
	PDF DAFTAR_PUSTAKA.pdf Download (226kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Dalam lingkungan akademis perguruan tinggi, penting bagi setiap mahasiswa untuk menyelesaikan studinya tepat waktu. Keterlambatan dan kegagalan penyelesaian masa studi menjadi tantangan utama, yang berdampak negatif baik bagi mahasiswa maupun institusi. Dosen pembimbing dan orang tua memegang peranan penting dalam memotivasi dan membimbing mahasiswa menuju kelulusan tepat waktu. Penerapan sistem informasi dalam bidang pendidikan dapat memperkuat peran dosen pembimbing sebagai penasihat akademik serta orang tua sebagai pendukung kesuksesan mahasiswa. Tujuan penelitian ini adalah merancang dan mengembangkan sebuah sistem berbasis website untuk mendukung peran dosen pembimbing dan orang tua dengan memberikan intervensi peringatan dini serta menyediakan fungsi pemantauan terhadap perkembangan studi mahasiswa di Universitas Multimedia Nusantara (UMN). Metodologi framework CRISP-DM diterapkan dalam mengolah data studi mahasiswa menggunakan tiga algoritma clustering, yakni K-Means, K- Medoids, dan DBSCAN, untuk mengidentifikasi kelompok mahasiswa yang berisiko mengalami keterlambatan studi. Performa ketiga algoritma ini dievaluasi menggunakan empat metrik, yaitu Silhouette Score (SH), Davies-Bouldin Index (DBI), Calinski-Harabasz Index (CHI), dan Dunn Index (DI). Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki kinerja paling optimal dalam membentuk klaster homogen, terbukti dari nilai evaluasi DBI terendah (0.58), CHI tertinggi (510.57), DI tertinggi (0.55), dan SH mendekati 1 positif (0.76). DBSCAN juga menunjukkan kinerja pembentukan klaster yang baik. Namun, K-Medoids kurang cocok dalam pembentukan klaster mahasiswa pada penelitian ini karena memiliki hasil evaluasi metrik yang rendah. Model K-Means berhasil mengelompokkan mahasiswa ke dalam tiga klaster berdasarkan kemajuan studi mereka, yaitu "on-track student", "slightly late student", dan "severely late student". Diharapkan, melalui pengembangan sistem EIWMS, dapat tercipta lingkungan yang mendukung bagi kelulusan tepat waktu mahasiswa.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	DBSCAN, Early Intervention Warning and Monitoring System (EIWMS), Kelulusan Tepat Waktu, K-Means, K-Medoids
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 09:20
Last Modified:	11 Nov 2024 09:20
URI:	https://kc.umn.ac.id/id/eprint/34218

Actions (login required)

View Item