Clustering Tingkat Pemahaman Mahasiswa Pada Perkuliahan Probabilitas Statistika Dengan Metode K-Means

Rezqiwati Ishak, Amiruddin Bengnga

Abstract


Probabilitas Statistik merupakan mata kuliah logika perhitungan dimana sebagian Mahasiswa merasa kesulitan dalam penerimaan materi sehingga bagi Dosen pengampu mata kuliah hal ini merupakann suatu permasalahan dalam pemberian materi disebabkan tingkat pemahaman Mahasiswa yang tidak merata, hal ini tentunya akan berdampak pada sasaran dan tujuan pembelajaran yang tidak bisa tercapai sesuai Rencana Pembelajaran Semester. Tujuan penelitian ini adalah untuk melakukan pengelompokan atau clustering tingkat pemahaman Mahasiswa berdasarkan nilai mata kuliah prasyarat yaitu Kalkulus dan Matematika Diskrit. Metode yang digunakan yaitu K-Means untuk Clustering dan Elbow untuk menentukan jumlah cluster yang optimum. Berdasarkan hasil penelitian didapatkan hasil sebanyak 3 cluster, dimana cluster 1 adalah kelompok Mahasiswa yang tingkat pemahamannya digolongkan kategori Baik, Cluster 2 adalah kelompok kategori Sangat Baik dan Cluster 3 adalah kategori Kurang. Dari 110 Mahasiswa yang dijadikan sebagai dataset, masing-masing diperoleh untuk cluster 1 sebanyak 30 Mahasiswa, cluster 2 sebanyak 58 Mahasiswa dan cluster 3 sebanyak 22 Mahasiswa. Mahasiswa yang masuk pada cluster 3 perlu dilakukan tambahan perkuliahan sebelum mereka mengikuti mata kuliah Probabilitas Statistik agar capaian pembelajaran dapat dicapai, dengan demikian metode K-Means dan metode Elbow sangat cocok digunakan untuk melakukan clustering karena metode ini bisa didapatkan hasil clustering yang optimal

Keywords


Clustering; Probabilitas Statistik; K-Means; Elbow

Full Text:

PDF

References


Sudaryono, Statistika Probabilitas (Teori & Aplikasi). Yogyakarta: Andi, 2012.

UNISAN, “Pedoman Akademik Universitas Ichsan Gorontalo,” Gorontalo, 2019.

T. P. Sutriyani, A. M. Siregar, and D. S. Kusumaningrum, “Implementasi Algoritma K-Means Terhadap Pengelompokan Nilai Ujian Nasional Tingkat SMP di Provinsi Jawa Barat,” J. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, pp. 30–36, 2018.

Hartatik, “Pengelompokan Mahasiswa Berdasarkan Nilai Ujian Nasional dan IPK Menggunakan Metode K-Means,” Semin. Nas. Inform., 2014.

Sugiona, S. Nurdiani, S. Linawati, R. A. Safitri, and E. P. Saputra, “Pengelompokan Perilaku Mahasiswa Pada Perkuliahan E-Learning dengan K-Means Clustering,” J. Kaji. Ilm. Univ. Bhayangkara Jakarta Raya, vol. 19, no. 2, pp. 126–133, 2019.

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

O. Maimon and L. Rokach, Data Mining and Knowledge Discovery Handbook, Second. London: Springer Science+Business Media, 2010.

Y. Heryadi and T. Wahyono, Machine Learning Konsep dan Implementasi. Yogyakarta: Gava Media, 2020.

R. Primartha, Algoritma Machine Learning. Bandung: Informatika, 2021.

P. Pedamkar, “Clustering in Machine Learning,” EDUCBA. All Rights Reserved, 2020. https://www.educba.com/clustering-in-machine-learning/ (accessed Sep. 29, 2021).

Suyanto, Machine Learning Tingkat Dasar dan Lanjut. Bandung: :Informatika, 2018.

P. Pedamkar, “K-Means Clustering Algorithm,” EDUCBA. All Rights Reserved, 2020. https://www.educba.com/k-means-clustering-algorithm/ (accessed Sep. 29, 2021).

A. Winarta and W. J. Kurniawan, “Optimasi Cluster K-Means Menggunakan Metode Elbow Pada Data Pengguna Narkoba Dengan Pemrograman Python,” J. Tek. Inform. Kaputama, vol. 5, no. 1, pp. 113–119, 2021.

A. B. H. Kiat, Y. Azhar, and V. Rahmayanti, “Penerapan Metode K-Means Dengan Metode Elbow Untuk Segmentasi Pelanggan Menggunakan Model RFM (Recency, Frequency & Monetary),” Repositor, vol. 2, no. 7, pp. 945–952, 2020.

T. Wahyono, Fundamental of Python for Machine Learning. Yogyakarta: Gava Media, 2018.

BAAK UNISAN, “Daftar Nilai Mahasiswa Kalkulus dan Matematika Dikstrit,” Gorontalo, 2021. [Online]. Available: https://siakun.unisan.ac.id/.




DOI: https://doi.org/10.37905/jjeee.v4i1.11997

Refbacks

  • There are currently no refbacks.


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

Published by:
Electrical Engineering Department
Faculty of Engineering
State University of Gorontalo
Jenderal Sudirman Street No.6, Gorontalo City, Gorontalo Province, Indonesia
Telp. 0435-821175; 081340032063
Email: redaksijjeee@ung.ac.id/redaksijjeee@gmail.com

Creative Commons License

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