Identifikasi Outlier Menggunakan Teknik Data Mining Clustering Untuk Analisis Data Tracer Study Pada Fakultas Ilmu Komputer Universitas Esa Unggul

  • Vrantika Br Samosir Universitas Esa Unggul
  • Agung Mulyo Widodo Universitas Esa Unggul
  • Nizirwan Anwar Universitas Esa Unggul
  • Binastya Anggara Sekti Universitas Esa Unggul
  • Nixon Erzed Universitas Esa Unggul

Abstrak

Mengidentifikasi Outlier dalam analisis suatu data sangatlah penting. Terlebih data tersebut jenis data
penting dalam suatu Universitas. Dengan mengidentifikasi Outlier pada suatu data tracer study juuga penting,
Karena Pihak Universitas dapat mengetahui kenapa data tersebut ada data pencilan atau data yang
menyimpang. Mengidentifikasi Outlier menggunakan Teknik Data Mining Clustering Agoritma K-Means,
dapat mengetahui informasi yang akurasi. Karena pengelolaha data nya menggunakan aplikasi Microsoft
Exel serta untuk pengujian system dalam pengelolahannya dapat dilakukan di aplikasi Weka. Yang dimana
hasilnya sudah langsung dapat diketahui, data tersebut akan di cluster sesuai dengan bidang pekerjaan yang
sama dan posisi jabatan yang berkaitan. Yang dimana hasilnya dari Mengidentifikasi Outlier menggunakan
Teknik Data Mining Algoritma K-Means, juga menambah informasi, bahwa lulusan Fakultas Ilmu Komputer
Universitas Esa Unggul lebih banyak bekerja pada bidang pekerjaan Jasa Outsourching dengan Posisi Jabatan
berkaitan dengan Quality Assurance Specialist.. Yang dimana presentasenya sebanyak 39%. Dan lulusan
yang bekerja dibidang pekerjaan Industri Jasa Pengiriman Barang dengan Posisi Jabatan Proses Pengiriman
Barang atau Kurir. Yang dimana presentase nya sebanyak 9%.

Diterbitkan
2024-03-01