Analisis K-Means Kelulusan Mahasiswa TI SI Universitas Katolik Santo Thomas Medan 2019-2020
DOI:
https://doi.org/10.31004/joecy.v6i1.7701Keywords:
Data Mining, K-Means Clustering, Kelulusan Mahasiswa, Davies-Bouldin IndexAbstract
Kelulusan mahasiswa tepat waktu merupakan salah satu indikator penting dalam penilaian akreditasi program studi dan kualitas pendidikan di perguruan tinggi. Penelitian ini bertujuan untuk mengelompokkan pola kelulusan mahasiswa angkatan 2019 dan 2020 pada Program Studi Teknik Informatika dan Sistem Informasi di Universitas Katolik Santo Thomas Medan guna mengidentifikasi karakteristik akademik mahasiswa. Metode yang digunakan adalah Data Mining dengan algoritma K-Means Clustering yang memproses 249 data mahasiswa berdasarkan atribut Lama Studi dan Indeks Prestasi Kumulatif (IPK). Proses iterasi K-Means menghasilkan tiga cluster optimal yang konvergen pada iterasi keempat. Hasil penelitian menunjukkan terbentuknya Cluster 1 sebanyak 44 mahasiswa dengan karakteristik masa studi lama (±1834 hari) dan IPK cukup (3.38), Cluster 2 sebagai kelompok mayoritas sebanyak 201 mahasiswa dengan karakteristik lulus tepat waktu (±1502 hari) dan IPK tinggi (3,58), serta Cluster 3 sebanyak 4 mahasiswa yang memiliki masa studi singkat karena putus studi atau meninggal dunia (±977 hari) namun memiliki IPK baik. Evaluasi kualitas cluster menggunakan Davies-Bouldin Index (DBI) menghasilkan nilai 0,367, yang menunjukkan bahwa pengelompokan yang terbentuk sangat baik dan valid untuk memetakan performa akademik mahasiswa.
References
A.P.Windarto, L.S.Dewi, and D.Hartama, “Implementation of K-Means Clustering in Mapping Student Data based on Comorbidity,” Int. J. Inf. Syst. Technol., vol. 3, no. 2, pp. 1–10, 2020, doi: 10.30645/ijistech.v4i1.
J S. P. Sipayung, “Penerapan Algoritma K-Means Clustering Dalam Pengelompokan Data Mahasiswa Untuk Menentukan Jurusan,” J. Media Inform. Budidarma, vol. 4, no. 1, pp. 15–22, 2020, doi: 10.30865/mib.v4i1.1557.
M. R. Lubis and S. P. Sipayung, “Penerapan Data Mining Untuk Mengelompokkan Mahasiswa Berdasarkan Nilai IPK Dengan Metode K-Means Clustering,” J. Tek. Inform. Kaputama (JTIK), vol. 5, no. 2, pp. 187–194, 2021, doi: 10.59697/jtik.v5i2.
N. P. A. Indrayani and N. W. W. N. B. W. P. P. A. A. G. S. A. Diatmika, “Analisis Clustering Tingkat Kepuasan Mahasiswa
Terhadap Layanan Akademik Menggunakan Algoritma K-Means,” J. Resist. (Rekayasa Sist. Komput.), vol. 3, no. 1, pp. 32–
, 2020, doi: 10.31598/jurnalresistor.v3i1.483.
D. A. O. S. W. N. S. H. S. A. S. R. M. N. H. A. R. T. S. P. Sipayung, “Penerapan Algoritma K-Means Untuk Mengelompokkan Tingkat Kelulusan Mahasiswa,” J. Sist. Inf. dan Ilmu Komput. Prima (JUSIKOM PRIMA), vol. 4, no. 1, pp. 13–19, 2020, doi: 10.34012/jusikom.v4i1.
E. T. L. Noor, “Penerapan Data Mining Untuk Analisis Pola Masa Studi Mahasiswa Menggunakan Algoritma K-Means,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 3, pp. 543–552, 2021, doi: 10.28932/jutisi.v7i3.3853.
A. S. Y. H. S. A. S. R. M. N. H. A. R. Nasution, “Penerapan Algoritma K-Means Clustering Untuk Mengelompokkan Mahasiswa Berdasarkan Nilai Akademik,” J. Sist. Inf. Triguna Dharma (JSI), vol. 5, no. 2, pp. 100–108, 2021, doi: 10.53513/jsi.v5i2.
M. Hardiyanti, R. C. Wihandika, and T. Afirianto, “Penerapan Algoritma K-Means Untuk Clustering Data Mahasiswa Berdasarkan Prestasi Akademik,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 4, pp. 3363–3368, 2020.
B. S. Ginting, “Penerapan Data Mining Dalam Pengelompokan Penerima Beasiswa Dengan Metode K-Means,” J. Sci. Soc. Res., vol. 4, no. 2, pp. 112–117, 2021, doi: 10.54314/jssr.v4i2.592.
S. K. T. Simbolon, “Implementasi Data Mining Dalam
Mengelompokkan Data Alumni Menggunakan K-Means Clustering,” J. Pelita Inform., vol. 10, no. 1, pp. 14–19, 2021, doi: 10.31294/jpi.v10i1.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Yosep Dominicke Telaumbanua, Muvly Hendrik Paskah Siregar , , Rizki Mo’arota Duha, Sardo Pardingotan Sipayung
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
