Keywords
Kemampuan Akademik
K-Means Clustering
Kombinasi Variabel
Peran Dosen
How to Cite
Abstract
Peningkatan peran dosen dalam penjaminan mutu di perguruan tinggi akan tercapainya kinerja akademik yang sesuai dengan kemampuan yang dimiliki oleh mahasiswa. Untuk menganalisa kinerja akademik sendiri berarti mengidentifikasi keunikan-keunikan yang ada pada mahasiswa sehingga dalam mengidentifikasi keunikan- keunikan tersebut akan terdapat variabel-variabel yang berpengaruh terhadap kemampuan akademik mahasiswa. Dalam mengidentifikasi kemampuan akademik mahasiswa tidak semua variabel yang digunakan akan berpengaruh terhadap kemampuan akademik mahasiswa. Salah satu cara untuk mengetahui variabel yang berpengaruh terhadap kemampuan akademik mahasiswa yaitu dengan algoritma K-Means Clustering. Penelitian ini menghasilkan sistem yang dapat mencari kombinasi variabel untuk dapat mencerminkan suatu kemampuan akademik dari mahasiswa sehingga terdapat variabel yang tidak berpengaruh terhadap kemampuan akademik mahasiswa dengan menggunakan K-Means Clustering. Hasil pengujian menunjukkan bahwa terdapat variabel yang tidak berpengaruh terhadap kemampuan akademik sehingga terdapat 23 data kemampuan akademik mahasiswa yang tidak sesuai dengan kategori cluster sebelumnya. Hasil penelitian ini juga menunjukkan bahwa terdapat 73 data kemampuan akademik mahasiswa yang sesuai dengan kategori cluster sebelumnya sehingga memiliki nilai akurasi 73% dan dari semua jumlah cluster yang dimasukkan, untuk cluster yang berjumlah 3 memiliki nilai silhouette coefficient yang paling mendekati nilai Si=1 dengan nilai 0.835409226.
References
G. I. Marthasari, “Implementasi Teknik Data Mining untuk Evaluasi Kinerja Mahasiswa Berdasarkan Data Akademik,” Fountain of Informatics Journal, vol. 2, no. 2, pp. 20–27, 2017.
M. H. I. Shovon and M. Haque, “Prediction of Student Academic Performance by an Application of K-Means Clustering Algorithm,” International Journal of Advanced Research in Computer Science and Software Engineering, vol. 2, no. 7, pp. 353–355, 2012.
S. Borkar and K. Rajeswari, “Predicting Students Academic Performance Using Education Data Mining,” International Journal of Computer Science and Mobile Computing, vol. 2, no. 7, pp. 273–279, 2013.
O. J. Oyalade, O. O. Oladipupo, and I. C. Obagbuwa, “Application of k-Means Clustering algorithm for prediction of Students’ Academic Performance,” (IJCSIS) International Journal of Computer Science and Information Security, vol. 7, no. 1, pp. 292–295, 2010.
S. Kadiyala and C. S. Potluri, “Analyzing the Student’s Academic Performance by using Clustering Methods in Data Mining,” International Journal of Scientific & Engineering Research, vol. 5, no. 6, pp. 198–202, 2014.
N. Butarbutar, A. P. Windarto, D. Hartama, and Solikhun, “Komparasi Kinerja Algoritma Fuzzy C-Means Dan K-Means Dalam Pengelompokan Data Siswa Berdasarkan Prestasi Nilaiakademik Siswa,” JURASIK (Jurnal Riset Sistem Informasi & Teknik Informatika), vol. 1, no. 2012, pp. 46–55, 2016.
A. Jananto, “Perbandingan Performansi Algoritma Nearest Neighbor dan SLIQ untuk Prediksi Kinerja Akademik Mahasiswa Baru,” Jurnal Teknologi Informasi DINAMIK, vol. 15, no. 2, pp. 157–169, 2010.
B. Sumardjoko, “Faktor-Faktor Determinan Peran Dosen Dalam Penjaminan Mutu Perguruan Tinggi,” Cakrawala Pendidikan, vol. 29, no. 3, pp. 294–310, 2010.
N. Nasution, K. Djahara, and A. Zamsuri, “Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes (Studi Kasus: Fasilkom Unilak),” Jurnal Teknologi Informasi & Komunikasi Digital Zone, vol. 6, no. 2, pp. 1–11, 2015.
F. N. R. F. J. Aziz, B. D. Setiawan, and I. Arwani, “Implementasi Algoritma K-Means untuk Klasterisasi Kinerja Akademik Mahasiswa,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 6, pp. 2243–2251, 2018.
G. Abdurrahman, “Clustering Data Ujian Tengah Semester (UTS) Data Mining Menggunakan Algoritma K-Means,” Jurnal Sistem & Teknologi Informasi Indonesia (JUSTINDO), vol. 1, no. 2, pp. 71–79, 2016.
N. Rohmawati, S. Defiyanti, and M. Jajuli, “Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa,” Jurnal Ilmiah Teknologi Informasi Terapan (JITTER), vol. 1, no. 2, pp. 62–68, 2015.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2020 Eka Rahmawati, Yulison Herry Chrisnanto, Asri Maspupah