Implementasi Metode Enhanced K-Means untuk Pemetaan Mahasiswa (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya)

Penentuan langkah yang tepat dalam membina mahasiswa sangat diperlukan untuk mendukung upaya peningkatan kualitas mahasiswa yang dilakukan oleh suatu fakultas. Dalam prosesnya, penentuan langkah pembinaan mahasiswa ini perlu disesuaikan dengan kondisi mahasiswa agar dapat tepat sasaran. Salah satu cara untuk mengetahui kondisi mahasiswa tersebut adalah dengan melakukan pemetaan mahasiswa. Pemetaan mahasiswa merupakan suatu proses pengelompokan mahasiswa untuk mendapatkan peta/gambaran kondisi mahasiswa berdasarkan pada beberapa parameter sehingga dapat diketahui mahasiswa mana yang tergolong baik, cukup dan kurang. Proses pemetaan mahasiswa ini dapat diselesaikan dengan menggunakan salah satu metode clustering, yaitu metode Enhanced K-Means. Enhanced K-Means merupakan metode yang dikembangkan untuk mengatasi kelemahan K-Means dan meningkatkan keefektivitasannya dengan cara menemukan pusat awal cluster yang lebih baik kemudian menentukan cluster yang sesuai untuk masing-masing data. Penentuan pusat awal cluster dilakukan dengan mencari jarak setiap data ke origin, mengurutkannya, membaginya ke dalam sejumlah k cluster kemudian mengambil titik tengahnya sebagai pusat awal cluster. Dalam penelitian ini metode Enhanced K-Means diimplementasikan untuk memetakan 111 data mahasiswa dengan menggunakan 6 buah atribut sebagai parameter, yaitu nilai Indeks Prestasi (IP) semester 1-4, prestasi serta aktivitas. Berdasarkan pengujian yang dilakukan, didapatkan hasil pemetaan terbaik yaitu dengan menggunakan 5 cluster. Hasil pemetaan tersebut memiliki nilai kualitas cluster yang dihitung dengan metode Sillhouette Coefficient sebesar 0.315711 (65,79%)