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

Authors

  • Aldi Nurzahputra Universitas Negeri Semarang
  • Much Aziz Muslim Universitas Negeri Semarang
  • Miranita Khusniati Universitas Negeri Semarang

DOI:

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

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 kunci—Clustering, K-Means, Data Mining, Penilaian Dosen 

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.

Downloads

Published

2017-01-09

Issue

Vol. 16 No. 1 (2017): Februari 2017

Section

Articles

License

Copyright (c) 2017 Aldi Nurzahputra, Much Aziz Muslim, Miranita Khusniati

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Pernyataan Lisensi

Artikel yang diterbitkan dalam jurnal Techno.Com dilisensikan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (CC BY-NC 4.0).

Anda diperbolehkan untuk menyalin, mendistribusikan, menampilkan, dan melakukan karya dari artikel ini serta membuat karya turunan selama Anda memberikan kredit yang sesuai kepada penulis asli dan tidak menggunakan karya ini untuk tujuan komersial. Untuk melihat salinan lisensi ini, kunjungi [Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/).

---

Contoh pengkreditan:

- Penulis: [Nama Penulis]
- Judul Artikel: [Judul Artikel]
- Jurnal: Techno.Com, Vol. [Nomor Volume], No. [Nomor Edisi], Tahun [Tahun Penerbitan]

Jika Anda ingin menggunakan karya ini untuk tujuan komersial, Anda harus mendapatkan izin terlebih dahulu dari penulis atau penerbit.

---