Penerapan Metode K-Means untuk Klasifikasi Rekomendasi Tugas Akhir Mahasiswa
Keywords:
Silhouette Coefficient, SSE, Rekomendasi Tugas Akhir, K-MeansAbstract
Tugas Akhir (TA) adalah komponen utama untuk menyelesaikan studi di perguruan tinggi. Namun, banyak mahasiswa mengalami kendala dalam memilih area penelitian TA yang sesuai dengan kemampuan. Penelitian ini bertujuan memberikan rekomendasi area penelitian TA dengan menggunakan data nilai A, B, dan C dari 10 Mata Kuliah Wajib (MKW) selama enam semester oleh mahasiswa Program Studi Informatika di Universitas Pamulang. Analisis data dilakukan menggunakan metode K-Means dengan tiga cluster: C1 (rendah), C2 (menengah), dan C3 (tinggi). Data yang digunakan adalah simulasi dari 5 mahasiswa dengan nilai A, B, dan C untuk setiap MKW. Hasil analisis menunjukkan bahwa pengelompokan dapat memberikan gambaran kesesuaian mahasiswa dengan topik TA. Evaluasi akurasi clustering menggunakan Sum of Squared Errors (SSE) menghasilkan nilai 1.875, mengindikasikan tingkat kesalahan rendah. Perhitungan Silhouette Coefficient (SC) menunjukkan nilai 0.1505, mencerminkan kualitas cluster cukup baik meskipun masih bisa ditingkatkan.
References
Adrianto, R. (n.d.). Penerapan algoritma K-Means dalam metode clustering untuk memberikan rekomendasi pemilihan jalur peminatan sesuai kemampuan pada Program Studi Teknik Informatika-S1 Universitas Dian Nuswantoro. Journal JOINS Udinus, 101–116.
Asroni, R. A. (n.d.). Penerapan K-Means untuk clustering mahasiswa berdasarkan nilai akademik dengan Weka Interface: Studi kasus pada Jurusan Teknik Informatika UMM Magelang. Ilmiah Semesta Teknika, 18(1), 76–82.
Farokhah, L. &. (n.d.). Penerapan K-Means untuk rekomendasi topik tugas akhir di STMIK Asia Malang. Journal of Information Technology and Management, 3(2), 142–148.
Kusuma, T. (n.d.). Pengelompokan jenis kupu-kupu menggunakan algoritma K-Means dan fitur ekstraksi GLCM. Information Technology Journal, 1–4.
Muzakir, A. (n.d.). Analisa dan Pemanfaatan K-Means clustering untuk menganalisis data nilai siswa dalam menentukan penerima beasiswa. Proceedings of the National Seminar on Science & Technology Applications (SNAST), 211–216.
Purnawansyah, &. H. (n.d.). Implementasi K-Means clustering dalam analisis aktivitas lalu lintas jaringan. Proceedings of CYBERNETICSCOM 2016: International Conference on Computational Intelligence and Cybernetics.
Puspitasari, N. &. (n.d.). (2016). Penggunaan algoritma K-Means untuk pengelompokan data curah hujan di wilayah Kalimantan Timur. Proceedings of SNRIK 2016.
Sharma, N. (. (n.d.). Pemahaman teknik clustering dalam data mining. International Journal of Emerging Technology and Advanced Engineering, 2(8), 313–317.
