K-MEANS CLUSTERING CALCULATION TO DETERMINE MAINSTREAM DOMINATION OF COURSES

Dewi Anggraeni, Rizaldi Rizaldi

Abstract


Abstract : In Semester 6 students are required to choose mainstream elective courses at the STMIK Royal campus. In this study, researchers chose 2 mainstraim elective courses, namely Logic and Programming, and Database and Information Management. The purpose of choosing this elective course is for students to focus more on their majors. The process of selecting the data, researchers carry out an analysis process of student learning outcomes. This research data is semester 1 to semester 5 grades. All data on the value of student learning outcomes are divided into 2 parts, namely theory and practice and divided into the number of courses. For many uses, a data mining method using K-means cluster is needed. K-Means Clustering is a data analysis method or Data Mining method that performs an unsupervised learning modeling process and uses methods that group data from various partitions. The results of the k means clutering grouping with 2 clusters, namely cluster 0 of the mainstream group of logic and programming courses with a total of 28 students, and cluster 1 of the mainstream group of informatics database and management courses with a total of 72 students with a total of 100 students.

           
Keywords: data; K-means; student    

 

 

Abstrak : Mahasiswa semester 6 diwajibkan memilih mainstream matakuliah pilihan yang ada di kampus STMIK Royal. Pada penelitian ini, peneliti memilih 2 mainstraim matakuliah pilihan yaitu Logika dan Pemprograman, serta Basis Data dan Manajemen Informatika. Tujuan pemilihan matakuliah pilihan ini adalah agar mahasiswa lebih terfokus pada jurusannya. Proses pemilihan datanya, peneliti melakukan proses analisa dari hasil belajar mahasiswa. Data penelitian ini nilai semester 1 sampai  semester 5. Seluruh data nilai hasil belajar mahasiswa dibagi menjadi 2 bagian yaitu teori dan praktek serta dibagi jumlah banyaknya matakuliah. untuk penggunaan yang banyak, maka dperlukan metode data mining dengan menggunakan k-means cluster. K-Means Clustering adalah metode analisis data atau metode Data Mining yang melakukan proses pemodelan pembelajaran tanpa pengawasan dan menggunakan metode yang mengelompokkan data dari berbagai partisi. Hasil pengelompokan k means clutering dengan 2 cluster yaitu cluster 0 kelompok mainstream matakuliah logika dan pemprograman dengan jumlah mahasiswa 28 orang, dan cluster 1 kelompok mainstream matakuliah basis data dan manajemen informatika dengan jumlah mahasiswa 72 orang dengan total keseluruhan 100 mahasiswa.

 

Keyword : data; K-means; mahasiswa;


Full Text:

PDF

References


L. A. Shofiana and L. A. Muharom, “Aplikasi K-Means Untuk Pengelompokan Siswa Pendidikan Anak Usia Dini ( Paud ) Berdasarkan Data Siswa Di Kecamatan Ledokombo,” no. 1110651055, pp. 0–2, 2009.

H. Haviluddin, S. J. Patandianan, G. M. Putra, N. Puspitasari, and H. S. Pakpahan, “Implementasi Metode K-Means Untuk Pengelompokkan Rekomendasi Tugas Akhir,” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 16, no. 1, p. 13, 2021, doi: 10.30872/jim.v16i1.5182.

A. R. Jannah, D. Arifianto, and M. Kom, “Penerapan Metode Clustering dengan Algoritma K-Means untuk Prediksi Kelulusan Mahasiswa Jurusan Teknik Informatika di Universitas Muhammadiyah Jember,” J. Manaj. Sist. Inf. dan Teknol., vol. 1, no. 1210651237, pp. 1–10, 2015.

D. Hartanti, D. Mining, A. K-means, and D. Mining, “Model Clustering Menggunakan Algoritma K-Means Pada Data Keluhan Pelanggan Pt . Pln ( Studi Kasus : Pt . Pln ( Persero ) Distribusi Jakarta Dan Tangerang ),” Model Clust. Menggunakan Algoritm. K-Means Pada Data Keluhan Pelangg. Pt . Pln ( Stud. Kasus Pt . Pln ( Persero ) Distrib. Jakarta Dan, vol. 4, p. 119, 2015.

A. Asroni, H. Fitri, and E. Prasetyo, “Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik),” Semesta Tek., vol. 21, no. 1, pp. 60–64, 2018, doi: 10.18196/st.211211.

A. Al Masykur, S. K. Gusti, S. Sanjaya, F. Yanto, and F. Syafria, “Penerapan Metode K-Means Clustering untuk Pemetaan Pengelompokan Lahan Produksi Tandan Buah Segar,” J. Inform., vol. 10, no. 1, 2023, doi: 10.31294/inf.v10i1.15621.

N. Sari, H. H. Handayani, and A. M. Siregar, “Implementasi Clustering Data Kasus Covid 19 Di Indonesia Menggunakan Algoritma K-Means,” Bianglala Inform. J. Komput. dan Inform., vol. 11, no. 1, pp. 7–12, 2023, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/Bianglala/article/view/14762.

R. Sibarani and O. Omby, “Algorithma K-Means Clustering Strategi Pemasaran Penerimaan Mahasisswa Baru Universitas Satya Negara Indonesia,” J. Algoritm. Log. dan Komputasi, vol. 1, no. 2, pp. 44–50, 2018, doi: 10.30813/j-alu.v1i2.1367.

A. Wicaksana and T. Rachman, “済無No Title No Title No Title,” Angew. Chemie Int. Ed. 6(11), 951–952., vol. 3, no. 1, pp. 10–27, 2018, [Online]. Available: https://medium.com/@arifwicaksanaa/pengertian-use-case-a7e576e1b6bf.

Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.




DOI: https://doi.org/10.33330/jurteksi.v10i1.2847

Article Metrics

Abstract view : 40 times
PDF - 29 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

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