Penerapan K-Means Clustering pada Absensi Mahasiswa Semester Ganjil untuk Mengelompokkan Kehadiran Mahasiswa

Authors

  • Rezti Deawinda Parinduri Universitas Muhammadiyah Tapanuli Selatan

DOI:

https://doi.org/10.55642/eatij.v7i01.1004

Keywords:

K-Means Clustering, Kehadiran Mahasiswa, Absensi

Abstract

Kedisiplinan mahasiswa dalam hal kehadiran menjadi indikator penting dalam menjamin mutu pembelajaran di perguruan tinggi. Penelitian ini bertujuan untuk menganalisis pola kehadiran mahasiswa pada mata kuliah semester ganjil dengan menerapkan algoritma K-Means Clustering sebagai bagian dari proses Knowledge Discovery in Database (KDD). Hipotesis penelitian menyatakan bahwa mahasiswa dapat dikelompokkan ke dalam kategori tingkat kehadiran yang berbeda secara signifikan. Data yang digunakan berupa absensi 35 mahasiswa selama 16 pertemuan. Proses penelitian mencakup tahapan KDD: pengumpulan data, pra-pemrosesan, penerapan algoritma K-Means, visualisasi dengan PCA, serta evaluasi menggunakan Silhouette Score. Hasil menunjukkan terbentuknya tiga cluster: kehadiran tinggi (90%), sedang (70%), dan rendah (50%), dengan skor siluet rata-rata sebesar 0.72 yang menunjukkan pemisahan cluster yang cukup baik. Kesimpulannya, algoritma K-Means efektif dalam mengelompokkan pola kehadiran mahasiswa secara objektif. Saran diberikan agar pihak universitas menggunakan hasil ini sebagai dasar perumusan kebijakan peningkatan kedisiplinan. Penelitian ini penting sebagai langkah awal dalam memahami perilaku mahasiswa berbasis data dan dapat dikembangkan lebih lanjut dengan menambahkan variabel serta mengeksplorasi algoritma lain.

Downloads

Download data is not yet available.

References

Y. Ahmad, T. Fatimah, D. Mining, and K. Clustering, “IMPLEMENTASI TEKNIK CLUSTERING MENGGUNAKAN ALGORITMA K- MEANS PADA SMK YADIKA 3 JAKARTA BERBASIS IMPLEMENTATION OF CLUSTERING TECHNIQUES USING THE K- MEANS ALGORITHM IN WEB-BASED SMK YADIKA 3 JAKARTA,” vol. 3, no. September, pp. 490–498, 2024.

F. BENNY, N. Muhammad, and P. M. Soekarno, “Pemetaan Data Siswa Berprestasi Pada Sma Nurul Iman Palembang,” vol. 6, no. 1, pp. 70–75, 2019, [Online]. Available: http://repository.binadarma.ac.id/id/eprint/767%0Ahttp://repository.binadarma.ac.id/767/1/Benny Fahriszal %28bab 0%29--- ok.pdf.

M. S. Fauzi and S. Samsudin, “Smart School Berbasis Web Interaktif di SD Swasta Amaliyah Sunggal dengan Algoritma K-Means Cluster,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 11, no. 3, pp. 332–341, 2022, doi: 10.32736/sisfokom.v11i3.1479.

I. P. Y. Saputra, S. Siswanto, and J. Fredricka, “Penerapan Metode K-Means Clustering Dalam Klasterisasi Peminatan Siswa Terhadap Mata Pelajaran Simulasi Digital (Simdig),” J. Media Infotama, vol. 19, no. 1, pp. 20–26, 2023, doi: 10.37676/jmi.v19i1.3308.

D. Gustian and M. Y. Ismatulloh, “Analisis Pemetaan Tingkat Kehadiran Siswa Dengan Metode K- Means Clastering,” J. Penerapan Sist. Inf. (Komputer Dan Menejemen), vol. 4, no. 1, pp. 80–88, 2023, [Online]. Available: https://tunasbangsa.ac.id/pkm/index.php/kesatria/article/view/120.

M. Faezal, F. Nanda, U. Ibrahimy, U. Ibrahimy, and S. J. Timur, “PENINGKATAN EFISIENSI PEMANTAUAN KEHADIRAN SISWA MENGGUNAKAN CLASTERING K- MANS PADA MADRASAH I ’ DADIYAH SALAFIYAH SYAFI ’ IYAH,” vol. 2, no. 1, pp. 127–136, 2025.

M. I. A. PRAMUDYA, “Penerapan Market Basket Analysis Menggunakan Proses Knowledge Discovery in Database (Kdd) Sebagai Strategi Penjualan …,” Repository.Radenintan.Ac.Id, 2022, [Online]. Available: http://repository.radenintan.ac.id/id/eprint/21682%0Ahttp://repository.radenintan.ac.id/21682/1/SKRIPSI 1-2.pdf.

Downloads

Published

2025-07-04