Implementasi Algoritma Clustering K-Means Dalam Pengelompokan Mahasiswa
DOI:
10.33395/jmp.v12i1.12494Keywords:
Clustering, Data Mining, K-means, Mahasiswa, Tugas AkhirAbstract
Tugas Akhir menjadi syarat lulus mahasiswa. Tetapi sering menjadi masalah pada mahasiswa karena gagal dalam menyelesaikan tugas akhirnya. Yang menjadi masalah dalam penyelesaian tugas akhir adalah tidak cocokan antara dosen pembimbing dan mahasiswa. Dalam mengatasi hal tersebut maka diperlukan pengelompokan mahasiswa untuk dapat dijadikan acuan strategi dalam pembagian dosen pembimbing. Untuk mengelompokan mahasiswa digunakan metode data mining. Salah satu metode data mining adalah clustering. Pada clustering terdapat algoritma K-means. Algoritma K-means menjadi algoritma yang paling banyak digunakan dalam clustering. Karena Algoritma K-means merupakan algoritma yang efisien dan sederhada. Dari pembangian cluster menjadi 4,5, dan 6 cluster. Didapatkan bahwa pembagian cluster menjadi 5 cluster adalah yang terbaik karena memiliki nilai davies boulding yang terkecil. Dari pembagian menjadi 5 cluster terlihat bahwa pada cluster_2 dan cluster_4 memiliki nilai atribut centrodi yang berada dibawah yang terindikasi memilik banyak nilai dalam mata kuliah yang kecil, sehingga untuk dapat memberikan kualitas dalam membina dan membimbing mahasiswa dalam Tugas Akhir diperlukan perhatian yang khusus agar mahasiswa pada cluster_2 dan cluster_4 dapat menyelesaikan Tugas Akhirnya.