Penerapan Algoritma K-Means Untuk Clustering  Penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa

Aldi Nurzahputra; Much Aziz Muslim; Miranita Khusniati

doi:10.33633/tc.v16i1.1284

Penerapan Algoritma K-Means Untuk Clustering Penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa

Aldi Nurzahputra, Much Aziz Muslim, Miranita Khusniati

Abstract

Dalam lingkup perguruan tinggi, aktivitas penilaian kinerja juga diterapkan untuk menilai kinerja dosen. Dasar yang digunakan dalam penilaian tersebut menggunakan dasar tri dhrama perguruan tinggi. Dalam penilaian kinerjanya, diperlukan data terkait kepuasan mahasiswa terhadap dosen. Data yang digunakan dalam penelitian ini adalah data kepuasan mahasiswa jurusan Ilmu Pengetahuan Alam, FMIPA, UNNES, berjumlah 146 untuk semua dosen di prodi yang berjumlah 12 dosen. Dalam pengambilan data menggunakan kuesioner dari Badan Penjaminan Mutu Unnes. Varibale yang digunakan (1) kehandalan dosen (reliability); (2) sikap tanggap (responsiveness); (3) jaminan (assurance); dan (4) empati (empathy). Data akan diolah dengan melakukan clustering kinerja dosen dalam cluster baik, atau kurang. Metode clustering yang digunakan dalam penelitian ini adalah metode K-Means. Cetroid data untuk cluster_baik 17.099 dan cluster_kurang 15.874. Sehingga diperoleh penilaian dosen berdasarkan indeks kepuasan mahasiswa dengan 5 dosen cluster_baik dan 7 dosen_cluster kurang. Hasil yang dari penelitian dapat digunakan untuk meningkatkan kinerja dosen dalam mengajar untuk meningkatkan indeks kepuasan mahasiswa.

Kata kunciâ€”Clustering, K-Means, Data Mining, Penilaian Dosen

Full Text:

PDF

References

Magkunegara, Anwar. AA., 2011, Manajemen Sumber Daya Manusia Perusahaan. Bandung: Penerbit Remaja Rosda Karya.

Undang-Undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional.

Sugiharti, E., & Muslim, M. A., 2016, On-line Clustering of Lecturers Performance of Computer Science Department of Semarang State University Using K-Means Algorithm, Journal of Theoretical and Applied Information Technology, 83(1).

Singla, A., & Karambir, M. 2012. Comparative Analysis & Evaluation of Euclidean Distance Function and Manhattan Distance Function Using K-Means Algorithm. International Journal of Advanced Research in Computer Science and Software Engineering (IJARSSE), 2(7), 298-300.

Prasetyo, E. 2014. Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta. Penerbit ANDI Yogyakarta, 218

Venkateswarlu, B., & Raju, P. G. 2013. Mine Blood Donors Information through Improved K-Means Clustering. arXiv preprint arXiv:1309.2597.

Hermawati, F. A. 2013. Data Mining. Yogyakarta: ANDI.

Soni, N., & Ganatra, A., 2012, Categorization of several Clustering algorithms from different perspective: a review, International Journal of Advanced Research in Computer Science and Software Engineering, 2(8), 63-68.

DOI: https://doi.org/10.33633/tc.v16i1.1284