PENERAPAN K-MEANS DALAM CLUSTERISASI TINGKAT PEMAHAMAN MAHASISWA STMIK ROYAL TERHADAP MATA KULIAH ETIKA PROFESI

Feby Wulandari Sembiring, Wiwin Handoko, Firdha Agis Utami Batu Bara, Sulaseh Sulaseh

Abstract


Abstract: Ethics is a basic character possessed by a person in reflecting his daily life. Ethics is a picture of a person's behavior and behavior in activities in a social environment. As is the case in the world of work, professional ethics is highly respected because it characterizes one's professionalism in the world of work. So as to instill good ethical character in the world of work, the STMIK Royal campus has taught supporting courses, namely professional ethics courses to support good attitudes and character in the world of profession or work. However, not all students are able to take these courses and the level of understanding of students is quite diverse, so clustering or grouping is needed based on the level of understanding of students in understanding the course. This study uses data mining techniques with the K-Means Clustering method to determine the distribution of student understanding levels of professional ethics courses. The purpose of this study was to see how far the success rate of the professional ethics course was proclaimed through the results of one semester's learning and to use the clustering results as a benchmark for developing the course and as evaluation material for students who did not understand the course.

 

Keywords: k-means clustering;professional ethics; students;

 

Abstrak: Etika merupakan karakter dasar yang dimiliki seseorang dalam mencerminkan kehidupannya sehari – hari. Etika menjadi gambaran tingkah dan perilaku seseorang dalam berkegiatan di lingkungan sosial. Seperti hal nya dalam dunia pekerjaan etika profesi sangat di junjung tinggi karena menjadi ciri khas profesionalisme seseorang dalam dunia pekerjaan. Sehingga untuk menanamkan karakter etika yang baik dalam dunia pekerjaan, kampus STMIK Royal telah mengajarkan mata kuliah pendukung yakni mata kuliah etika profesi untuk menunjang sikap dan karakter yang baik dalam dunia profesi atau pekerjaan. Namun, tidak semua mahasiswa mampu mengikuti mata kuliah tersebut dan tingkat pemahaman mahasiswa yang tergolong beragam sehingga diperlukan clustering atau pengelompokan berdasarkan tingkat pemahaman mahasiswa dalam memahami mata kuliah tersebut. Penelitian ini menggunakan teknik data mining dengan metode K-Means Clustering untuk mengetahui persebaran tingkat pemahaman mahasiswa terhadap mata kuliah etika profesi. Tujuan penelitian ini untuk melihat sejauh mana tingkat keberhasilan mata kuliah etika profesi yang dicanangkan lewat hasil pembelajaran satu semester dan menjadikan hasil clustering tersebut sebagai tolak ukur untuk mengembangkan mata kuliah tersebut dan menjadi bahan evaluasi bagi mahasiswa yang tidak memahami mata kuliah tersebut. Hasil dari clustering dalam penelitian ini terdiri atas 3 yaitu mahasiswa dengan tingkat pemahaman Baik, Cukup Baik dan Tidak Baik.

 

Kata Kunci: etika profesi, mahasiswa, k-means clustering.

 


Full Text:

PDF

References


“Pembelajaran Ilmu Pengetahuan Sosial: Perspektif Filosofi dan Kurikulum - Dadang Supardan - Google Books.” https://books.google.co.id/books?hl=en&lr=&id=ONwEAAAQBAJ&oi=fnd&pg=PP1&dq=Mata+kuliah+menjadi+sumber+pengetahuan+bagi+mahasiswa+untuk+memperoleh+suatu+ilmu+baru+yang+lebih+luas.+&ots=i044gXuxQr&sig=tHVCIebPWhM7pu0UT9nlwurtR4&redir_esc=y#v=onepage&q&f=false (accessed Jan. 13, 2023).

S. Early, “Penerapan K-Means pada Segmentasi Pasar untuk Riset Pemasaran pada,” vol. 9, no. 4, pp. 966–973, 2022, doi: 10.30865/jurikom.v9i4.4486.

S. D. A. N. P. Insinyur, “Professional Engineer & Etika Profesi ( Insinyur ) mekanisme penemuan yang semakin sistematis dan efisien . Kalau saat-saat lalu banyak”.

R. Ishak and A. Bengnga, “Clustering Tingkat Pemahaman Mahasiswa Pada Perkuliahan Probabilitas Statistika Dengan Metode K-Means,” Jambura J. Electr. Electron. Eng., vol. 4, no. 1, pp. 65–69, 2022, doi: 10.37905/jjeee.v4i1.11997.

T. Windiyani and Y. Suchyadi, “Hubungan Antara Sikap Belajar Mahasiswa Dengan Prestasi Belajar Mata Kuliah Etika Profesi,” JPPGuseda | J. Pendidik. Pengajaran Guru Sekol. Dasar, vol. 3, no. 1, pp. 52–55, 2020, doi: 10.33751/jppguseda.v3i1.2018.

N. Zulfa, R. I. Auliya, and A. Zaenal, “Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Fakt. Exacta, vol. 13, no. 1, p. 35, 2020, doi: 10.30998/faktorexacta.v13i1.5548.

A. F. Khairati, A. . Adlina, G. . Hertono, and B. . Handari, “Kajian Indeks Validitas pada Algoritma K-Means Enhanced dan K-Means MMCA,” Prism. Pros. Semin. Nas. Mat., vol. 2, pp. 161–170, 2019, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/article/view/28906

“Data Mining Konsep Dan Penerapannya - Fitri Marisa, S.Kom., M.Pd. , Anastasia Lidya Maukar, S.T., M.Sc., M.M.T. , Dr. Tubagus Mohammad Akhriza, S.Si., M.M.S.I., Ph.D. - Google Books.” https://books.google.co.id/books?hl=en&lr=&id=BtlVEAAAQBAJ&oi=fnd&pg=PP1&dq=KMeans+Clustering+dikategorikan+dalam+metode+Unsupervised+Learning+yaitu+teknik+pembelajaran+dalam+data+mining+dimana+data+yang+digunakan+tidak+memiliki+class/label+yang+menjadi+target.&ots=t-l2CnMW8s&sig=e2t8gdmNBRrzlunX-zlBvlkP6PE&redir_esc=y#v=onepage&q&f=false (accessed Jan. 13, 2023).

A. Aditya, I. Jovian, and B. N. Sari, “Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019,” J. Media Inform. Budidarma, vol. 4, no. 1, p. 51, 2020, doi: 10.30865/mib.v4i1.1784.

R. K. Dinata, S. Safwandi, N. Hasdyna, and N. Azizah, “Analisis K-Means Clustering pada Data Sepeda Motor,” INFORMAL Informatics J., vol. 5, no. 1, p. 10, 2020, doi: 10.19184/isj.v5i1.17071.

R. Hidayati, A. Zubair, A. H. Pratama, and L. Indana, “Analisis Silhouette Coefficientpada 6 Perhitungan Jarak K-Means Clustering Silhouette Coefficient Analysis in 6 Measuring Distancesof K-Means Clustering,” Techno.COM, vol. 20, no. 2, pp. 186–197, 2021.

D. Kurniawan and M. Yasir, “Optimization Sentimen Analysis using CRISP-DM and Naive Bayes Methods Implemented on Social Media,” Cybersp. J. Pendidik. Teknol. Inf., vol. 6, no. 2, p. 74, 2022, doi: 10.22373/cj.v6i2.12793.

Yuda Irawan, “Implementation Of Data Mining For Determining Majors Using K-Means Algorithm In Students Of SMA Negeri 1 Pangkalan Kerinci,” J. Appl. Eng. Technol. Sci., vol. 1, no. 1, pp. 17–29, 2019, doi: 10.37385/jaets.v1i1.18.

M. A. K-means and M. Siahaan, “Data Mining Strategi Pembangunan Infrastruktur,” vol. 11, pp. 316–324, 2022.




DOI: https://doi.org/10.33330/j-com.v3i1.2185

Article Metrics

Abstract view : 341 times
PDF - 174 times

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.