Analisis Hasil Belajar Mahasiswa dengan Clustering Menggunakan Metode K-Means

Main Article Content

Berlian Juliartha Martin Putra
Dwi Ariani Finda Yuniarti

Abstract

Hasil belajar mahasiswa dapat menjadi sebuah informasi yang sangat penting terhadap kemajuan pembelajaran di sebuah Perguruan tinggi. Evaluasi hasil belajar diperlukan untuk menghindari mahasiswa yang lulus tidak tepat waktu, mahasiswa mengundurkan diri, meningkatkan prestasi mahasiswa, dan bahan evaluasi perguruan tinggi untuk meningkatkan kualitasnya. Evaluasi mahasiswa dilakukan secara terus menerus minimal sekali setiap semesternya, apabila dilakukan secara manual maka membutuhkan upaya dan waktu tersendiri sehingga tidak efektif dan efesien. Penelitian ini mengajukan analisis hasil belajar mahasiswa dengan teknik clustering. Clustering merupakan metode data mining untuk pengelompokan data, salah satunya adalah metode K-Means. Tahapan dalam penelitian ini yaitu: data collection, preprocessing, seleksi fitur, clustering menggunakan metode simple K-Means dengan tool Waikato Environment for Knowledge Analysis (WEKA) dan perhitungan jarak menggunakan Euclidean Distance dan analisa cluster. Adapun hasil dari penelitian ini adalah pengelompokan hasil belajar mahasiswa menggunakan variabel IPK memberikan Sum of Squared Errors (SSE) lebih kecil dibandingkan pengelompokan dengan variabel nilai di setiap mata kuliah. Rata-rata SSE yang diperoleh dalam penelitian ini sebesar 0,1135 dari 4 kali percobaan. Dari penelitian ini dapat disimpulkan bahwa metode clustering menggunakan K-Means bisa digunakan untuk mengelompokan nilai mahasiswa dan menganalis hasil belajar mahasiswa setiap semesternya sehingga memudahkan dalam evaluasi mahasiswa.

Downloads

Download data is not yet available.

Article Details

Section
Artikel

References

[1] Mardi, Yuli. “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Jurnal Edik Informatika, Vol.2, No.2, hal.213-219, 2017.
[2] Rosmini, Abdul, F dan Sunardi. “Implementasi Metode K-Means Dalam Pemetaan Kelompok Mahasiswa Melalui Data Aktivitas Kuliah,” IT Journal Research and Development, Vol.3, No.1, hal.22-31, 2018
[3] Abdurrahman, G. “Clustering Data Ujian Tengah Semester (UTS) Data Mining Menggunakan Algoritma K-Means,” Jurnal Sistem dan Teknologi Informasi Indonesia, Vol.1, No.2, hal.71-79, 2016.
[4] Suprawoto, Totok. “Klasifikasi Data Mahasiswa Menggunakan Metode K-Means untuk Menunjang Pemilihan Strategi Pemasaran,” Jurnal Informatika dan Komputer, Vol.1, No.1, Hal.12-18, 2016.
[5] A.E. Rahayu, K. Hikmah, N.Y. Ningsih, A.C. Fauzan. “Penerapan K-Means Clustering Untuk Penentuan Klasterisasi Beasiswa Bidikmisi Mahasiswa”. ILKOMNIKA: Journal of Computer Science and Applied Informatics, Vol.1, No.2, Hal.82-86, Desember 2019.
[6] R.A. Haraty, M. Dimishkieh, M. Masud. “An Enhanced K-Means Clustering Algorithm for Pattern Discovery in Healthcare Data". SAGE Journal, Vol. 11, Issue. 6, pp.1-11, Juni 2015.
[7] S. Abadi, dkk. “Application Model Of K-Means Clustering: Insights Into Promotion Strategy Of Vocational High School”. International Journal of Engineering& Technology, Vol.7(2.27), Hal.182-187, 2018.
[8] A.S. Ahmar, D. Napitupulu, R. Rahim, R. Hidayat, Y. Sonatha dan M. Azmi. “Using K-Means Clustering to Cluster Provices in Indonesia”. 2nd International Conference on Statistics, Mathematics, Teaching, and Research, 2017, 9-10 October 2017.
[9] A.H. Fajar, “Pendahuluan,” dalam Data Mining, edisi ke-I, Yogyakarta, Indonesia, 2013, bab I, bagian 1.1 – 1.5., hal. 3-16.
[10] M.M. Benri dan L.S. Herlina “Analisis Clustering Menggunakan Metode K-Means dalam Pengelompokan Penjualan Produk pada Swalayan Fadhila,” Jurnal Media Infotama,vol.11,No.2, hal.110-118,September,2015.
[11] S. J. Fitri, “Penerapan Support Vector Machine(SVM) untuk Pengkategorian Penelitian,” Jurnal Resti,vol.1, hal.19-25.2017.
[12] M. Popy, “Penerapan Data Mining dengan Metode Klasifikasi Menggunakan Decision Tree dan Regresi,” Jurnal Teknologi,vol.7,No.1, Januari, 2015.
[13] A. Luh, “Seleksi Fitur dalam Klasifikasi Genre Music,” Jurnal Ilmiah Ilmu Komputer,vol.X,No.1,hal 19-26, April, 2017.
[14] A.P. I Putu dan H. Agus, “Penerapan Algoritma Invasive Weed Optimnization untuk Penentuan Titik Pusat Klaster pada K-Means,” IJCCS,vol.9,No.1,hal 65-76, Januari, 2015.
[15] Jaroji, Danuri dan P.P. Fajri, “K-Means untuk Menentukan Calon Penerima Beasiswa Bidik Misi di POLBENG,” Jurnal Inovtek POLBENG- Seri Informatika,vol.1,No.1,hal 87-94, Juni, 2016.