IMPLEMENTASI ALGORITMA K-MEANS DALAM PROSES PENILAIAN KUESIONER KEPADA DOSEN GUNA MENDUKUNG KEPUASAN MAHASISWA TERHADAP DOSEN
Fakultas Teknologi Komunikasi dan Informatika, Universitas Nasional
Indonesia
Fakultas Teknologi Komunikasi dan Informatika, Universitas Nasional
Indonesia
Abstract
Proses yang paling penting dalam kegiatan belajar mengajar ialah mahasiswa harus melakukan pendekatan dengan dosen melalui interaksi mahasiswa tehadap dosen. Pada penelitian ini dilakukan clustering kepuasan mahasiswa terhadap dosen. Data penelitian diperoleh melalui kuesioner dosen yang terdapat pada akademik online Universitas nasional untuk mengetahui kepuasaan mahasiswa terhadap dosen. Data yang diperoleh selanjutnya dilakukan clustering. Metode clustering yang digunakan pada penelitian ini adalah metode K-Means untuk clustering kinerja dosen baik dan buruk. Pada penelitian ini telah berhasil dibangun sistem clustering menggunakan bahasa pemograman PHP dengan framework CSS serta MySQL sebagai DBMS. Sistem yang dibuat telah berhasil melakukan pengelompokan kepuasan mahasiswa. Klaster yang memiliki rata rata nilai kepuasan tertinggi adalah klaster 2 yaitu dengan jumlah 297 data, yang beranggotakan aspek reliability sebanyak 46 dengan kategori puas dan nama dosen yang terpilih paling banyak adalah Agus Iskandar, S.Kom.,M.Kom sebanyak 59 data.
Keywords
References
S. Setiyowati, Sudarmono, dan Apuanor, “Tingkat kepuasan mahasiswa terhadap karakteristik dosen di STKIP Muhammadiyah Sampit,” Jurnal Paedagogie STKIP Muhammadiyah, vol. VII, no.1, 2019.
A. Nurzahputra, M. A. Muslim, dan M. Khusniati, “Penerapan algoritma K-Means untuk clustering penilaian dosen berdasarkan indeks kepuasan mahasiswa,” Techno.COM, vol. 16, no. 1, hal. 17 – 24, 2017.
F. Rachman, D. O. Radianto, dan I. Erawati, “Pemetaan kinerja dosen PPNS dengan kriteria EPD dengan metode K-Means clustering,” Seminar Nasional Edusainstek FMIPA UNIMUS , 2019.
S. Pariyasto dan Y. D. Pambudi, “Implementasi K-Means clustering untuk menentukan insentif dosen pembimbing dalam 1 semester,” Jurnal INFORMA Politeknik Indonusa Surakarta, vol. 5, no. 2, 2019.
J. Sumarlin, “Identifikasi profil dosen berdasarkan nilai keandalan perkuliahan dengan metode klasterisasi K-Means,” Proceeding SINTAK, 2019.
Rahmawati, S. Saputri, A. N. Rahma, dan Aprijon. “Pengelompokan suhu di kota Pekanbaru menggunakan metode Fuzzy K-Means,” Seminar Nasional Teknologi Informasi, Komunikasi dan Industri Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau, 2019.
R Maulana dan N. Dwiyani. “Web usage mining menggunkan K-Means untuk mengetahui kecenderungan akses pengguna (studi kasus: Ganto.co),” Jurnal Vokasional Teknik Elektronik a dan Informatika, vol. 6, no. 2, 2018.
J. Halim, “Penerapan data mining untuk mengukur tingkat kepuasan siswa terhadap pelayanan di bimbingan belajar Al-Misbah dengan menggunakan metode K-Means,” Jurnal SAINTIKOM, vol. 16, no. 1, 2017.
A. Haraty, M. Dimishkieh, dan M. Masud, “An enhanced K-Means clustering algorithm for pattern discovery in healthcare data,” Hindawi Publishing Corporation, International Journal of Distributed Sensor Networks, vol. 11, no. 6, 2015.
S. Periyasamy, S. Khara, dan S. Thangavelu, “Balanced cluster head selection based on modified K-Means in a distributed wireless sensor network,” Hindawi Publishing Corporation, International Journal of Distributed Sensor Networks, vol. 12, no. 3, 2016.
J. Qi, Y. Yu, L. Wang, J. Liu, dan Y. Wang, “An effective and efficient hierarchical K-Means clustering algorithm,” International Journal of Distributed Sensor Networks, vol.13, no. 8, 2017.
B. Qin dan F. Xiao. “An improved method to determine basic probability assignment with interval number and its application in classification,” International Journal of Distributed, Sensor Networks, vol. 15, no. 1, 2019.
