Prediksi Nilai Akhir Matakuliah Mahasiswa Menggunakan Metode K-Means Clustering (Studi Kasus : Matakuliah Pemrograman Dasar)

Penulis

  • Made Pasek Agus Ariawan Program Studi Teknologi Rekayasa Perangkat Lunak, Jurusan Teknik Elektro, Politeknik Negeri Bali
  • Ida Bagus Adisimakrisna Peling Program Studi Teknologi Rekayasa Perangkat Lunak, Jurusan Teknik Elektro, Politeknik Negeri Bali
  • Gde Brahupadhya Subiksa Program Studi Teknologi Rekayasa Perangkat Lunak, Jurusan Teknik Elektro, Politeknik Negeri Bali

DOI:

https://doi.org/10.25077/TEKNOSI.v9i2.2023.122-131

Kata Kunci:

K-Means, Mahasiswa, Nilai Akhir, Prediksi

Abstrak

Nilai akhir matakuliah merupakan salah satu komponen untuk kelulusan mahasiswa, selain mahasiswa dosen juga memiliki peran penting dalam hasil dari nilai akhir matakuliah mahasiswa. Tentunya diharapkan nilai akhir dari matakuliah yang diambil mahasiswa mendapatkan hasil yang maksimal. Dosen biasanya akan memberikan remedial bagi mahasiswa yang nilainya kurang dari standar kelulusan. Remedial biasanya akan diberikan setelah nilai akhir dikeluarkan. Remidial biasanya dilakukan berkali – kali sampai nilai akhir mahasiswa memenuhi standar dari perguruan tinggi. Tentunya proses remidial ini akan menghabiskan    banyak waktu bagi dosen dan mahasiswa, dengan mengetahui perkiraan nilai akhir mahasiswa dapat memahami sejauh mana pemahaman mereka terhadap materi dan sejauh mana mereka telah mencapai tujuan pembelajaran. Hal ini dapat membantu mereka mengidentifikasi area-area di mana mereka perlu meningkatkan pemahaman atau keterampilan mereka.Berdasarkan permasalahan ini peneliti melakukan penelitian untuk memprediksi nilai akhir matakuliah mahasiswa. Data yang digunakan pada penelitian ini adalah data mahasiswa yang mengambil matakuliah pemrograman dasar. Metode yang digunakan pada penelitian ini adalah metode K-means clustering. Hasil dari prediksi menggunakan metode K-means clustering menunjukan tingkat Precision 86%, Recall 100%, akurasi 93%.

Referensi

[1] N. Syamsiyah and I. Tofany, “Rancang Bangun Sistem Informasi Prediksi Pinjaman Pada Koperasi Panca Bhakti Bekasi Menggunakan Algoritma C4.5,†Jurnal Sains & Teknologi, vol. 9, no. 1, pp. 28–43, 2019. [2] I. Maulana and U. Rosalina, “Clustering Data Nilai Ujian Akhir Semester Menggunakan Algoritma Data Mining K-Means,†Periskop (Jurnal Sains dan Ilmu Pendidikan), vol. 1, no. 2, pp. 76–85, 2021. [3] V. Virtusena, A. Johar, and A. Wijanarko, “Pengelompokan Potensi Kelulusan Mahasiswa Fakultas Teknik Unib Menggunakan Algoritme K-Means (Studi Kasus: Fakultas Teknik Universitas Bengkulu),†2021. [Online]. Available: http://ejournal.unib.ac.id/index.php/rekursif/206 [4] Y. Christian and J. Jimmy, “Perancangan Model Predıksı Performa Akademık Mahasıswa Menggunakan Algorıtma K-Means Clusterıng (Studı Kasus: Unıversıtas Xyz),†Conference on Management, Business, Innovation, Education and Social Science, vol. 1, no. 1, pp. 643–644, 2021, [Online]. Available: https://journal.uib.ac.id/index.php/combines [5] M. S. Sungkar and M. T. Qurohman, “Penerapan Algoritma C5.0 Untuk Prediksi Kelulusan Pembelajaran Mahasiswa Pada Matakuliah Arsitektur Sistem Komputer,†JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 3, p. 1166, Jul. 2021, doi: 10.30865/mib.v5i3.3116. [6] S. Suraya, M. Sholeh, and D. Andayati, “Penerapan Metode Clustering dengan Algoritma K-Means Pada Pengelompokan Indeks Prestasi Akademik Mahasiswa,†SKANIKA: Sistem Komputer dan Teknik Informatika, vol. 6, no. 1, pp. 51–60, 2023. [7] H. Priyatman, F. Sajid, and D. Haldivany, “Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa,†Jurnal Edukasi dan Penelitian Informatika, vol. 5, no. 1, pp. 62–66, 2019. [8] A. Khaerunnisa, “Analisis Tingkat Kelulusan Mahasiswa di Unisba dengan menggunakan Algoritma K-Means Clustering,†Jurnal Riset Matematika, pp. 67–76, Jul. 2022, doi: 10.29313/jrm.v2i1.1018. [9] S. P. Nabila, N. Ulinnuha, and A. Yusuf, “Model Prediksi Kelulusan Tepat Waktu Dengan Metode Fuzzy C-Means Dan K-Nearest Neighbors Menggunakan Data Registrasi Mahasiswa,†Jurnal Ilmiah NERO, vol. 6, no. 1, pp. 38–46, 2021. [10] P. A. Ariawan, “Optimasi Pengelompokan Data Pada Metode K-means dengan Analisis Outlier,†Jurnal Nasional Teknologi dan Sistem Informasi, vol. 5, no. 2, pp. 88–95, Sep. 2019, doi: 10.25077/teknosi.v5i2.2019.88-95. [11] E. U. Wahyuningtyas, R. R. M. Putri, and S. Sutrisno, “Optimasi K-Means Untuk Clustering Dosen Berdasarkan Kinerja Akademik Menggunakan Algoritme Genetika Paralel,†Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 8, pp. 2628–2635, 2018, [Online]. Available: http://j-ptiik.ub.ac.id [12] D. Azzahra Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data Untuk Klasifikasi Wine Menggunakan Algoritma K-Nn,†Journal of Computer Engineering System and Science, vol. 4, no. 1, pp. 2502–7131, 2019. [13] J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2012. doi: 10.1016/B978-0-12-381479-1.00001-0. [14] A. F. Khairati, A. A. Adlina, G. F. Hertono, and B. D. Handari, “Kajian Indeks Validitas pada Algoritma K-Means Enhanced dan K-Means MMCA,†Prosiding Seminar Nasional Matematika, vol. 2, pp. 161–170, 2019, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma [15] C. Purnamaningsih, R. Saptono, and A. Aziz, “Pemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA,†Jurnal Teknologi & Informasi ITSmart, vol. 3, no. 1, p. 27, Aug. 2016, doi: 10.20961/its.v3i1.644. [16] R. M. Sagala, “Prediksi Kelulusan Mahasiswa Menggunakan Data mining Algoritma K-means.â€

Unduhan

Telah diserahkan

24-02-2023

Diterima

23-07-2023

Diterbitkan

31-08-2023

Cara Mengutip

[1]
M. P. A. Ariawan, I. B. A. Peling, dan G. B. Subiksa, “Prediksi Nilai Akhir Matakuliah Mahasiswa Menggunakan Metode K-Means Clustering (Studi Kasus : Matakuliah Pemrograman Dasar)”, TEKNOSI, vol. 9, no. 2, hlm. 122–131, Agu 2023.

Terbitan

Bagian

Articles

Artikel Serupa

<< < > >> 

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.