Analisis Hasil Belajar Mahasiswa dengan Clustering Menggunakan Metode K-Means

Hasil belajar mahasiswa dapat menjadi sebuah informasi yang sangat penting terhadap kemajuan pembelajaran di sebuah Perguruan tinggi. Evaluasi hasil belajar diperlukan untuk menghindari mahasiswa yang lulus tidak tepat waktu, mahasiswa mengundurkan diri, meningkatkan prestasi mahasiswa, dan bahan evaluasi perguruan tinggi untuk meningkatkan kualitasnya. Evaluasi mahasiswa dilakukan secara terus menerus minimal sekali setiap semesternya, apabila dilakukan secara manual maka membutuhkan upaya dan waktu tersendiri sehingga tidak efektif dan efesien. Penelitian ini mengajukan analisis hasil belajar mahasiswa dengan teknik clustering. Clustering merupakan metode data mining untuk pengelompokan data, salah satunya adalah metode K-Means. Tahapan dalam penelitian ini yaitu: data collection, preprocessing, seleksi fitur, clustering menggunakan metode simple K-Means dengan tool Waikato Environment for Knowledge Analysis (WEKA) dan perhitungan jarak menggunakan Euclidean Distance dan analisa cluster. Adapun hasil dari penelitian ini adalah pengelompokan hasil belajar mahasiswa menggunakan variabel IPK memberikan Sum of Squared Errors (SSE) lebih kecil dibandingkan pengelompokan dengan variabel nilai di setiap mata kuliah. Rata-rata SSE yang diperoleh dalam penelitian ini sebesar 0,1135 dari 4 kali percobaan. Dari penelitian ini dapat disimpulkan bahwa metode clustering menggunakan K-Means bisa digunakan untuk mengelompokan nilai mahasiswa dan menganalis hasil belajar mahasiswa setiap semesternya sehingga memudahkan dalam evaluasi mahasiswa