Analisis Data Akademis dengan Menerapkan Algoritme K-Means dan K-Means++

Academic Data Analysis by Applying the K-Means and K-Means++ Algorithms

Abstract

Program Studi (Prodi) adalah unit pelaksana pendidikan di Perguruan Tinggi. Prodi mengemban amanat untuk menyelenggarakan kegiatan pendidikan yang bermutu, berstandar, dan selalu melakukan perbaikan. Dalam upaya perbaikan kualitas pendidikan dapat dilakukan dengan melakukan evaluasi terhadap hasil kegiatan pendidikan yang telah dilaksanakan. Data akademis mahasiswa dapat digunakan dalam hal ini. Setiap semester data akademis mahasiswa dikumpulkan dan semakin bertambah. Pengolahan dan analisis terhadap data tersebut dapat menghasilkan informasi yang bermanfaat bagi Program Studi dalam upaya peningkatan kualitas pendidikan. Pada penelitian ini dilakukan pengolahan dan analisis data dengan metode klasterisasi K-Means. Data yang digunakan adalah data hasil belajar mahasiswa Angkatan 2017 – 2019 sebanyak 332 mahasiswa, berupa data Indeks Prestasi Semester (IPS) dan Beban Satuan Kredit Semester (SKS) dari semester 1 hingga semester 5. Data tersebut diklasterisasi kedalam 3 klaster yang merepresentasi kategori kinerja akademis mahasiswa rendah, sedang, dan tinggi. Klasterisasi dilakukan dengan memanfaatkan pustaka sklearn dengan bahasa pemrograman Python. Algoritme K-Means++ digunakan dalam proses inisialisasi nilai pusat klaster (centroids) awal, hal ini untuk mengurangi ketidakstabilan yang terjadi pada K-Means sehingga memberikan hasil klasterisasi yang stabil serta lebih baik. Hasil klasterisasi didapati bahwa sebagian besar mahasiswa masuk kedalam kategori berkinerja akademik tinggi.