PREDIKSI DAN PEMETAAN DATA MAHASISWA FAKULTAS TEKNIK UNIVERSITAS NEGERI GORONTALO MENGGUNAKAN PENDEKATAN DATA MINING PREDICTION AND DATA MAPPING of STUDENTS OF ENGINEERING FACULTY, UNIVERSITAS NEGERI GORONTALO USING DATA MINING Lillyan Hadjaratie Jurusan Teknik Informatika Universitas Negeri Gorontalo ABSTRAK: Penelitian “Prediksi dan Pemetaan Data Mahasiswa Fakultas Teknik Menggunakan Pendekatan Data Mining” bertujuan untuk membangkitkan informasi dan pengetahuan dari data akademik kemahasiswaan dengan: (1) Mengklasifikasi data mahasiswa aktif dan lulusan untuk memprediksi kategori IPK dan kategori Lama Studi; (2) Mengklaster data mahasiswa aktif dan lulusan berdasarkan kategori IPK dan Lama_Studi.Metode klasifikasi yang digunakan untuk mengklasifikasi data mahasiswa aktif dan lulusan dalam penelitian ini adalah metode Decision Tree, Artificial Neural Network dan K-Nearest Neighbour, sedangkan metode yang digunakan untuk mengklaster data mahasiswa aktif dan lulusan adalah metode Hirarkis (Average Between Lingkage) dan Non-Hirarkis (K-Means).Penelitian ini menghasilkan informasi akademik berupa hasil klasifikasi data mahasiswa aktif dan lulusan untuk memprediksi kategori IPK dan Lama_Studi serta pemetaan data mahasiswa aktif dan lulusan berdasarkan sasaran mutu IPK, sebagai sebuah sistem peringatan dini (early morning) dan bahan pertimbangan dalam proses pengambilan kebijakan dan keputusan. Kata Kunci : Data Mining, Klasifikasi, Klasterisasi, Data Mahasiswa, IPK, Lama Studi Abstract: This research aims to generate information and knowledge of student academic data by: (1) Classify the data of current students and graduates to predict the category of GPA and period of Study, (2 ) cluster data of current students and graduates based on GPA and period of study category. This study uses classification method such as Decision Tree Method, Artificial Neural Networks and K - Nearest Neighbour to classifying the data of current students and graduates. Furthermore, to cluster the data of current students and graduates Hierarchical method (Average Linkage Between ) and Non - hierarchical (K - Means) are used. The result of this research is academic information such as classification data of current students and graduates to predict the GPA category and period of study, data mapping of student based on data quality of GPA, as a warning system (early morning ) and considerations in policy and decision making process . Keywords: data mining, classification, clustering, current and graduate student,GPA, period of study PENDAHULUAN