Publisher

UBHARAJAYAUBHARAJAYA

Journal Journal of Students‘ Research in Computer ScienceJournal of Students‘ Research in Computer Science Abstract

Data akademik mahasiswa yang tersimpan pada perguruan tinggi umumnya hanya digunakan sebagai arsip administrasi dan belum dimanfaatkan secara lebih optimal untuk memperoleh informasi yang bermakna. Padahal, data nilai mahasiswa dapat dianalisis untuk mengetahui pola performa akademik sehingga dapat membantu pihak akademik dalam melakukan evaluasi dan pembinaan mahasiswa. Penelitian ini bertujuan untuk mengelompokkan data mahasiswa berdasarkan nilai akademik menggunakan metode K-Means Clustering. Data yang digunakan berupa nilai beberapa mata kuliah inti mahasiswa yang kemudian diproses melalui tahapan pengumpulan data, praproses data, penentuan jumlah cluster, serta proses pengelompokan menggunakan algoritma K-Means. Hasil penelitian menunjukkan bahwa metode K-Means mampu mengelompokkan mahasiswa ke dalam beberapa kelompok berdasarkan tingkat performa akademiknya. Setiap cluster merepresentasikan kategori performa akademik mahasiswa yang berbeda, seperti kategori tinggi, sedang, dan rendah. Hasil pengelompokan ini dapat memberikan gambaran bagi pihak akademik dalam melakukan pemantauan perkembangan mahasiswa serta menyusun strategi pembinaan yang lebih tepat. Dengan demikian, penerapan teknik data mining menggunakan metode K-Means dapat menjadi salah satu pendekatan yang efektif dalam menganalisis data akademik mahasiswa di lingkungan perguruan tinggi.

Conclusion

Berdasarkan hasil penelitian yang telah dilakukan, penerapan algoritma K-Means berhasil digunakan untuk mengelompokkan data mahasiswa berdasarkan kemiripan nilai akademik pada mata kuliah Algoritma, Basis Data, Jaringan Komputer, dan Kecerdasan Buatan.Proses Clustering dilakukan menggunakan dataset sebanyak 50 data mahasiswa dengan jumlah cluster sebanyak tiga kelompok, yaitu cluster performa akademik tinggi, sedang, dan rendah.Hasil pengolahan data menunjukkan bahwa sebanyak 17 mahasiswa berada pada cluster performa akademik tinggi, 21 mahasiswa berada pada cluster performa akademik sedang, dan 12 mahasiswa berada pada cluster performa akademik rendah.Pengelompokan ini menunjukkan bahwa algoritma K-Means mampu mengidentifikasi pola performa akademik mahasiswa berdasarkan kemiripan karakteristik nilai yang dimiliki.Hasil penelitian ini dapat digunakan sebagai bahan evaluasi bagi pihak program studi dalam melakukan pemantauan perkembangan akademik mahasiswa serta sebagai dasar dalam menentukan strategi pembelajaran yang lebih tepat.

Future Research

Penelitian lanjutan dapat mengembangkan metode Clustering dengan menggunakan dataset yang lebih besar untuk meningkatkan generalisasi hasil analisis. Selain itu, peneliti dapat menambahkan atribut akademik lainnya, seperti kehadiran atau partisipasi dalam kegiatan ekstrakurikuler, untuk memperkaya dimensi analisis performa mahasiswa. Pembandingan algoritma Clustering lain, seperti DBSCAN atau Hierarchical Clustering, juga dapat dilakukan untuk mengevaluasi efektivitas berbagai pendekatan dalam mengelompokkan data akademik. Selanjutnya, penelitian dapat fokus pada penerapan hasil Clustering untuk merancang strategi pembelajaran personalisasi berdasarkan kategori performa akademik yang teridentifikasi. Penggunaan teknik visualisasi data yang lebih interaktif, seperti dashboard digital, juga dapat mempermudah pemantauan perkembangan mahasiswa oleh pihak akademik. Penelitian juga dapat mencakup analisis longitudinal untuk mempelajari perubahan performa akademik mahasiswa seiring waktu. Penerapan model prediktif berbasis machine learning dapat dikembangkan untuk memprediksi potensi penurunan performa akademik tertentu. Penelitian dapat melibatkan perbandingan antara metode Clustering berbasis nilai akademik dengan pendekatan kualitatif, seperti wawancara atau survei kepuasan mahasiswa. Evaluasi dampak implementasi hasil Clustering terhadap peningkatan kualitas pembelajaran juga perlu dilakukan melalui studi kasus di berbagai program studi. Akhirnya, penelitian dapat mengeksplorasi integrasi teknologi analitik data dengan sistem manajemen pembelajaran digital untuk meningkatkan efisiensi proses evaluasi akademik.

References

1. Implementation of Data Mining Using the K-Means Algorithm to Group Students Based on Academic Performance... ioinformatic.org/index.php/JAIEA/article/view/936Implementation of Data Mining Using the K Means Algorithm to Group Students Based on Academic Performance ioinformatic index php JAIEA article view 936
2. Analisis Clustering Data Mahasiswa Berdasarkan Nilai Akademik Menggunakan K-Means | Journal of Students‘... ejurnal.ubharajaya.ac.id/index.php/JSRCS/article/view/5266Analisis Clustering Data Mahasiswa Berdasarkan Nilai Akademik Menggunakan K Means Journal of StudentsAo ejurnal ubharajaya ac index php JSRCS article view 5266
3. Clustering student performance data using k-means algorithms | Journal of Computational Innovation and... doi.org/10.32890/jcia2023.2.1.3Clustering student performance data using k means algorithms Journal of Computational Innovation and doi 10 32890 jcia2023 2 1 3

Metadata

File size	336.2 KB
Pages	14
DMCA	Report