Implementasi Algoritma K-Means dalam Menganalisis Data Mahasiswa

Di era teknologi yang modern sekarang terdapat banyak cara yang dilakukan oleh manusia untuk menggumpulkan dan menyimpan data dari berbagai refererensi. K-Means adalah suatu teknik pengelompokan data yang mana keberadaan tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaan (Jim Bezdek, 1981). Metode yang digunakan untuk membagi rangkaian data menjadi beberapa group berdasarkan kesamaan-kesamaan yang telah ditentukan sebelumnya adalah bentuk clustering atau klasifikasi (Widodo, 2013). Algoritma K-Means dimulai dengan pembentukan partisi cluster diawal kemudian secara iteraktif partisi cluster ini diperbaiki hingga tidak terjadi perubahan yang signifikan pada partisi cluster (Written, 2011). Menurut Eko Prasetyo (2012) mengatakan bahwa metode K-Means ini mempartisi data ke dalam kelompok sehingga data berkarakteristik sama dimasukan kedalam satu kelompok yang sama dan data yang berkarakteristik berbeda dikelompokkan kedalam kelompok yang lain. Menurut Vulandari (2017:54). K-Means merupakan algoritma yang menetapkan nilai-nilai cluster (K) secara random, untuk sementara nilai tersebut menjadi pusat dari cluster yang biasa disebut centroid.Beberapa penelitian terdahulu yang menerapkan metode K-Means diantaranya penelitian Teguh Wibowo (2018), yang bertujuan untuk mengcluster siswa kelas unggulan menggunakan metode clustering dengan algoritma k-means, serta pemilihan atribut sesuai dengan kebutuhan di SMPN 02 Tasikmadu sehingga dihasilkan kelas unggulan yang diharapkan, yaitu 3 kelas favorit meliputi siswa-siswa pilihan yang memiliki nilai rapor sesuai dengan standar nilai kemampuan siswa agar dapat meningkatkan proses belajar sesuai nilai bakat kemampuan siswa mencapai hasil optimal. Selanjutnya, Nofrida Rif’atul Himmah (2016) mengembangkan sistem yang lebih efektif dalam pengelompokan prestasi akademik siswa, salah satu cara mengelompokkan data yang efektif adalah dengan menggunakan teknik data mining clustering, sehingga dapat memudahkan pekerjaan bagi wakil kepala sekolah bidang kurikulum mengetahui siswa yang mempunyai prestasi akademik baik, sedang dan kurang, yang bisa dijadikan acuan dalam membentuk kondisi kelas yang seimbang. Aniek Surya Kusuma dan Komang Sri Aryati (2019), membuat sistem yang terintegrasi dengan data siswa dan nilai siswa berbasis database sehingga saat nilai dibutuhkan sewaktu-waktu membuat laporannya akan lebih efektif dan efisien serta membandingkan nilai siswa dengan batas minimal nilai untuk masuk ke kelas A di SMP Negeri 3 Ubud.Pemanfaatan Pengelompokkan mahasiswa berdasarkan jurusan merupakan sebuah cara untuk mempermudah dalam menghitung jumlah mahasiswa dari setiap tahun. Data yang kami ambil, yaitu pengelompokan mahasiswa dari prodi teknik informatika mulai tahun 2019 -2022 di Universitas Widyagama Malang berdasarkan angkatan, asal dan jenis kelamin. Salah satu cara untuk menghitung jumlah mahasiswa teknik informatika dari setiap tahun yaitu menggunakan metode k-means atau clustering.Penenlitian ini bertujuan untuk mengetahui clasterisasi data mahasiswa. Batas masalah dari penelitian yang akan dilakukan adalah data yang digunakan, yaitu data mahasiswa TI Universitas Widyagama Malang 2019-2022. Analisis di lakukan dengan menggunakan algoritma k-means. Output yang di hasilkan yaitu pengelompokan data mahasiswa berdasarkan angkatan, asal dan jenis kelamin untuk membentuk centroid C1, C2 dan C3. Adapun 3 clsuter / variabel yang digunakan dalam pengelompokan data, yaitu berdasarkan jenis kelamin, angkat dan asal