PENERAPAN OPTIMASI JUMLAH KLUSTER PADA KMEANS UNTUK PENGELOMPOKAN KELAS MATA KULIAH KOSENTRASI MAHASISWA SEMESTER AKHIR

  • Suhardi Rustam Fakultas Ilmu Komputer , Universitas Ichsan Gorontalo
Keywords: Akademik Data Mining, K-Means, optimasi jumlah kluster

Abstract

trending universitas sebagai institusi pendidikan memiliki peranan penting atas kemampuan lulusan, besarnya kapasitas data yang dimiliki universitas diperlukan optimasi dalam pengolahan data. Data-data tersebut diantaranya tentang data akademik mahasiswa. jumlah data akademik mahasiswa semester akhir juga sangat melimpah, melimpahnya data tersebut sampai sekarang menimbulkan permasalahan tentang pengelompokan kelas kompetensi mahasiswa sesuai bidang minat dan keahlian. Melimpahnya data namun tidak memberikan pengetahuan apapun sehingga tidak bermanfaat bagi universitas terutama fakultas kecuali pengetahuan administratif. Ribuan mahasiswa yang aktif pada Universitas ichsan gorontalo disertai dengan jumlah lulusan yang masih kurang ideal setiap periode lulusan, dengan pemodelan optimasi jumlah kluster pada kmeans maka akan menghasilkan kluster kelompok untuk  kuliah konsentrasi dari masing-masing kluster yang dihasilkan, setelah dilakukan pengklasteran maka hasil yang akan didapat akan di visualisasikan dalam bentuk grafik chart, Data akademik yang akan digunakan yaitu data mahasiswa angkatan 2016-2017 yang telah mengambil kelas mata kuliah kosentrasi. Penerapan optimasi jumlah kluster pada algoritma KMeans dimana K=5 mengahasilkan kluster untuk mengelompokkan Kelas Mata Kuliah Kosentrasi mahasiswa semester akhir dan masing-masing kluster tersebut memiliki nilai optimasi kluster serta faktor penyebab paling banyak pemilihan kelas kosentrasi adalah nilai mata kuliah utama program studi.

Published
2020-04-21
Section
Articles