Penerapan Algoritma K-Means dan Analisisnya untuk Menentukan Kebijakan Strategis Penyelesaian Studi Mahasiswa

Abstract

Pertambahan jumlah mahasiswa yang menyelesaikan studi setiap tahun pada suatu  program studi telah menghasilkan banyak tumpukan data dan tentunya menimbulkan sebuah pertanyaan besar, yaitu “pengetahuan apa yang dapat dihasilkan dari tumpukan data tersebut?”. Menjawab pertanyaan besar tersebut peneliti mencoba untuk menerapkan suatu teknik data mining yang merupakan sebuah tahapan dalam Knowledge Discovery in Database (KDD). Usaha meningkatkan kualitas mahasiswa yang dilakukan oleh prodi PTIK UIN Bukittinggi menghadapi beberapa kendala, diantaranya yaitu secara umum tugas akhir mahasiswa dirasakan mengalami penurunan jika dibandingkan dengan beberapa tahun sebelumnya. Selain itu, prodi belum mensosialisasikan kepada dosen dan mahasiswa tentang judul penelitian tugas akhir mahasiswa dan juga roadmap atau arah penelitian ke depan. Masalah lainnya yaitu terdapat mahasiswa yang mengajukan judul penelitian tugas akhir namun kurang sesuai dengan empat domain skill pada prodi PTIK. Metodologi pengembangan data mining yang digunakan dalam penelitian ini adalah CRIPS-DM merupakan singkatan dari Cross-Industry Standart Process for Data Mining. Hasil dari penerapan data mining metode clustering dengan algoritma K-Means yang diterapkan dalam penelitian ini memperoleh tiga buah cluster atau kelompok dengan beberapa analisis setiap cluster. Analisis dari setiap cluster menghasilkan rekomendasi untuk program studi dalam mengambil kebijakan strategis terhadap mahasiswa yang sedang dalam penyelesaian studi pada prodi PTIK UIN Bukittinggi.