Analisis Klasterisasi Data Mahasiswa Menggunakan Algoritma K-Means untuk Mendukung Pengambilan Keputusan Akademik

Abstract

Penelitian ini bertujuan menganalisis pola karakteristik akademik mahasiswa menggunakan algoritma K-Means Clustering sebagai pendukung pengambilan keputusan akademik. Data mahasiswa dapat mengandung berbagai informasi akademik, seperti indeks prestasi, jumlah SKS yang ditempuh, kehadiran, dan capaian nilai mata kuliah, tetapi data tersebut belum selalu dimanfaatkan secara optimal untuk mengidentifikasi kelompok mahasiswa dengan karakteristik yang serupa. Penelitian menggunakan pendekatan Educational Data Mining dengan tahapan pemahaman data, prapemrosesan, transformasi, penerapan algoritma K-Means, dan evaluasi kualitas klaster. Penentuan jumlah klaster dilakukan dengan mempertimbangkan metode Elbow dan/atau Silhouette Score, sedangkan hasil klaster dianalisis berdasarkan karakteristik masing-masing kelompok. Pendekatan ini diharapkan mampu menghasilkan informasi mengenai pola akademik mahasiswa sehingga program studi dapat menyusun strategi pembinaan, monitoring, dan evaluasi akademik secara lebih terarah. Hasil akhir penelitian tidak dimaksudkan sebagai pengganti keputusan akademik, melainkan sebagai informasi pendukung berbasis data