Knowledge Discovery Data Akademik Untuk Prediksi Pengunduran Diri Calon Mahasiswa

Pendaftaran Mahasiswa Baru pada suatu institusi pendidikan seperti STMIK STIKOM Bali adalah sebuah kegiatan yang rutin dilaksanakan setiap tahun ajaran baru. Pendaftaran calon mahasiswa baru tersebut selalu meningkat dari tahun ketahun namun calon mahasiswa yang melakukan pendaftaran tidak semua yang melanjutkan kelangkah registrasi dari sejumlah calon mahasiswa yang sudah dinyatakan lulus. Hal ini akan menjadi sangat terlambat untuk mengambil tindakan apabila ternyata mahasiswa baru yang registrasi sangat sedikit jumlahnya. Dengan tidak diketahuinya mahasiswa yang registrasi, maka pihak-pihak perguruan tinggi tidak dapat mengetahui dengan pasti kapan jumlah target penerimaan mahasiswa baru tercapai. Dalam permasalahan ini penggunaan teknik data mining diharapkan dapat memberikan pengetahuan – pengetahuan yang sebelumnya tersembunyi di dalam gudang data. Representasi data calon mahasiswa 2017 memiliki akurasi paling rendah yaitu 78% dan representasi calon mahasiswa 2017, 2016 memiliki akurasi 78,46% dan representasi calon mahasiswa 2017, 2016, 2015 memiliki akurasi 78,20%. Hasil proses frequent itemsets mining menunjukkan bahwa kemunculan label lanjut dan mundur juga frequent dengan kemunculan trend kemunculan antara kriteria dengan label (lanjut atau mundur). Task mining yang digunakan untuk memprediksi calon mahasiswa yaitu dengan teknik klasifikasi dan teknik Frequent Pattern. Perangkat lunak yang digunakan untuk implementasi adalah WEKA.