Optimasi K-MEANS Untuk Clustering Kinerja Akademik Dosen Menggunakan Algoritme Genetika

Dosen merupakan pengajar mahasiswa, selain mengajar dosen juga memiliki banyak kegiatan lain dengan memanfaatkan keahlian yang dimiliki untuk mengembangkan potensi dari dosen tersebut. Beberapa karakter yang dimiliki oleh setiap dosen sangat berbeda, diantaranya yaitu pendidikan, penelitian, pengabdian, administrasi, dan penunjang. Kesulitan yang dihadapi oleh kampus salah satunya yaitu terkait pengelompokkan penugasan terhadap dosen. Penugasan tersebut berhubungan dengan studi lanjut, rekomendasi, jabatan terkait structural, mengisi suatu acara, kepanitian, dan lain lain. Sehingga dibutuhkan suatu sistem yang bisa mengkelompokan kinerja akademik dosen secara optimal. Pada penelitian ini untuk mengelompokkan kinerja akademik dosen mneggunakan metode K-Means yang dioptimasi dengan algoritme genetika. Algoritme genetika berperan untuk mengoptimasi pusat awal cluster pada algoritme K-Means. Data yang digunakan dalam penelitian ini merupakan data dosen yang ada di fakultas ilmu Komputer Universitas Brawijaya pada tahun 2016. Data tersebut diperoleh dari GJM fakultas ilmu komputer universitas brawijaya. Hasil pengujian pada clustering kinerja akademik dosen menggunakan algoritme GA-Kmeans memiliki kualitas cluster lebih tinggi yaitu sebesar 2,74% dibandingkan dengan algoritme K-Means tanpa algoritme genetika, dimana kualitas cluster yang diperoleh menggunakan metode Silhouette Coefficient