Pengklasifikasian Kemampuan Akademik Mahasiswa Menggunakan Analisis Cluster Berdasarkan Nilai Mata Kuliah Sains Dasar

Mahfuz Hudori

doi:10.36815/majamath.v6i2.2779

Authors

Mahfuz Hudori Universitas Internasional Batam

DOI:

https://doi.org/10.36815/majamath.v6i2.2779

Keywords:

Indeks Prestasi Kumulatif, Mahasiswa, Analisis Cluster

Abstract

Indeks Prestasi Kumulatif (IPK) mahasiswa yang heterogen bisa menjadi indikasi adanya perbedaan kemampuan akademik antara mahasiswa yang satu dengan yang lainnya. Kondisi tersebut tentunya harus diminimalisir agar capaian kompetensi mahasiswa tersebar secara merata dan maksimal. Pengklasifikasian adalah salah satu upaya yang dapat dilakukan untuk menangani keheterogenan kemampuan akademik mahasiswa sehingga setiap kelompok mahasiswa hasil pengklasifikasian dapat diberikan perlakuan berbeda untuk mengoptimalkan kemampuan akademiknya. Penelitian ini bertujuan untuk mengklasifikasikan kemampuan akademik mahasiswa Program Studi Teknik Sipil Universitas Internasional Batam berdasarkan nilai mata kuliah sains dasar menggunakan analisis cluster. Analisis cluster pada penelitian ini menggunakan metode Ward dan jarak Euclidean untuk mengukur jarak antar objek amatannya. Hasil pengklasifikasian menunjukkan bahwa mahasiswa Program Studi Teknik Sipil Universitas Internasional Batam 2019 terbagi ke dalam 3 (tiga) kelompok. Kelompok pertama terdiri dari 9 mahasiswa yang memiliki kemampuan akademik terbaik. Kelompok kedua terdiri dari 9 mahasiswa yang memiliki kemampuan akademik cukup baik. Kelompok ketiga terdiri dari 11 mahasiswa yang memiliki kemampuan akademik belum baik.

References

Alfrina, Hatidja, D., & Titaley, J. (2019). Analisis Cluster Terhadap Prestasi Mahasiswa Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sam Ratulangi Berdasarkan Nilai Akhir Mata Kuliah Wajib Tahun 2018. D’CartesiaN, 8(1), 36–44.

Ary, M. (2015). Pengklasifikasian Karakteristik Mahasiswa Baru Dalam Memilih Program Studi Menggunakan Analisis Cluster. Jurnal Informatika, II(1), 181–188.

Gudono. (2017). Analisis Data Multivariat (4th ed.). BPFE.

Hatidja, D., Momuat, L. I., & Mongi, C. E. (2018). Pengelompokkan Mata Kuliah Di Program Studi Fisika Fmipa Unsrat Berdasarkan Proses Pembelajaran Menggunakan Analisis Cluster. Jurnal Ilmiah Sains, 18(2), 107–112. https://doi.org/10.35799/JIS.18.2.2018.21556

Hudori, M. (2021). Faktor-Faktor Yang Mempengaruhi Daya Tahan Mahasiswa Teknik Sipil Uib Dalam Mempertahankan Studinya. E-Jurnal Matematika, 10(1), 1. https://doi.org/10.24843/mtk.2021.v10.i01.p312

Irmeilyana Rana; Yahdin, Sugandi, I. S. (2018). Analisis Karakteristik Mahasiswa Berdasarkan Nilai Kelompok Mata Kuliah dengan Menggunakan Analisis Cluster K-Means. Annual Research Seminar (ARS), Vol 4, No 1 (2018): ARS 2018, 215–221. https://seminar.ilkom.unsri.ac.id/index.php/ars/article/downloadSuppFile/2053/305

Johnson, R., & Wichern, D. (2014). Applied Multivariate Statistical Analysis. Pearson Education Limited.

Mattjik, A. A., & Sumertajaya, I. M. (2011). Sidik Peubah Ganda Dengan menggunakan SAS. IPB PRESS. http://repository.ipb.ac.id/handle/123456789/57188

Nurfitri Imro’ah, I. A. N. N. D. (2019). Analisis Cluster Non-Hirarki Dengan Metode K-Modes. Bimaster?: Buletin Ilmiah Matematika, Statistika Dan Terapannya, 8(4). https://doi.org/10.26418/BBIMST.V8I4.36633

Nurhidayati, M., & Khasanah, N. (2021). Penggunaan Metode K-Means Cluster Untuk Mengklasifikasikan Kemampuan 4C Mahasiswa. JURNAL ILMIAH MATEMATIKA DAN TERAPAN, 18(2), 160–169. https://doi.org/10.22487/2540766X.2021.V18.I2.15615

Poerwanto, B., & Fa’rifah, R. Y. (2016). Analisis Cluster K-Means dalam Pengelompokan Kemampuan Mahasiswa. Jurnal Scientific Pinisi, 2(2), 92–96.

Saleh, M. (2014). Pengaruh Motivasi, Faktor Keluarga, Lingkungan Kampus, dan Aktif Berorganisasi Terhadap Prestasi Akademik. Jurnal Phenomenon, 4(2), 100–111.

Suhaeni, C., Kurnia, A., & Ristiyanti. (2018). Perbandingan Hasil Pengelompokan Menggunakan Analisis Cluster Berhirarki , K-Means Cluster , dan Cluster Ensemble. Jurnal Media Infotama, 14(1), 31–38.