Penerapan Algoritma K-Means dengan Optimasi Principal Component Analysis dan Davies Bouldin Index Untuk Evaluasi Data Kinerja Akademik Mahasiswa (Studi Kasus : Teknik informatika ITERA)
Untuk meningkatkan status akreditasi para pengurus program studi sudah melakukan berbagai upaya yang tidak terlepas dari kualitas kinerja akademik mahasiswa. Evaluasi dapat dilakukan dengan mengetahui bagaimana persebaran kinerja mahasiswa dari data akademik. Pengelompokan atau clustering dapat dijadikan sebagai cara untuk mengetahui persebaran kinerja akademik mahasiswa. Menggunakan algoritma K-Means clustering memiliki kekurangan karena tidak adanya aturan khusus dalam pemilihan nilai K, untuk itu peneliti melakukan teknik validasi cluster dengan Davis Bouldin Index (DBI), semakin kecil nilai DBI maka kualitas cluster semakin optimal. Metode optimasi lainnya digunakan principal component analysis (PCA) yang dapat mereduksi dimensi variabel dataset tanpa mengurangi informasi yang terkandung dalam dataset, hasil dari penggunaan metode PCA dapat dilihat melalui pengujian dengan DBI. Penelitian ini akan dilakukan pada data akademik mahasiswa aktif Teknik Informatika ITERA di tiga tahun awal perkuliahan berupa indeks prestasi (IP) masing masing semester, beban sks masing – masing semester, jumlah sks, dan IPK. Clustering kmeans tanpa PCA menghasilkan nilai score DBI 0,764 dan clustering kmeans dengan optimasi PCA menghasilkan nilai score DBI 0,49, sehingga clustering KMeans dengan processing PCA memiliki kualitas yang lebih baik dibandingkan tidak dengan optimasi PCA.
Kata Kunci : cluster, mahasiswa, kmeans, optimasi, pca, dbi
URI
https://repo.itera.ac.id/depan/submission/SB2205310011
Keyword