Metode K-Means dalam Mengukur Tingkat Pemahaman Materi Mata Kuliah Inti dan Penilaian Mahasiswa di Prodi Informatika

Deti Karmanita; Sarjon Defit; Sumijan

doi:10.35134/komtekinfo.v11i3.551

Authors

Deti Karmanita Universitas Dehasen Bengkulu
Sarjon Defit Universitas Putra Indonesia YPTK Padang
Sumijan Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.35134/komtekinfo.v11i3.551

Keywords:

Kata kunci: data mining, KDD, clustering, k-means, pemahaman materi

Abstract

Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. KDD sering disebut juga sebagai penemuan pengetahuan dalam basis data. Data Mining memiliki lima fungsi utama, termasuk pengelompokan (clustering), klasifikasi (classification), asosiasi (association), urutan (sequencing) dan peramalan (forecasting). Algoritma clustering berupaya memisahkan kumpulan informasi yang ada menjadi kelompok-kelompok yang homogen atau sejenis. Tingkat kesamaan data di dalam suatu kelompok akan menghasilkan nilai yang semakin besar, sementara perbedaan antar kelompok akan menghasilkan nilai yang semakin kecil. Algoritma K-Means merupakan bagian dari clustering data mining, dimana algoritma K-Means dapat dipergunakan untuk pembentukan kelompok baru dari data. Pembentukan kelompok baru dari data pada algoritma K-Means dengan proses pembentukan cluster pada proses yang dilakukan. Penelitian ini bertujuan untuk mengetahui tingkat pemahaman materi mata kuliah inti pada program studi Informatika Universitas Dehasen yang diterima oleh mahasiswa. dimana peneliti menyebarkan kuisioner kepada mahasiswa untuk menentukan tingkat pemahaman materi mata kuliah inti menjadi 4 kelompok yaitu sangat baik, baik, cukup baik dan kurang baik. Metode yang digunakan adalah K-Means dengan tahapan yaitu pemilihan data, pra-pemrosesan, transformasi data, ekstraksi informasi dan evaluasi hasil. Data terdiri dari 46 mata kuliah inti yang di ambil dari kurikulum Prodi Informatika yang dinilai oleh mahasiswa dengan pemahaman materi mata kuliah Sangat Baik sebanyak 29%, Baik sebanyak 35%, Cukup Baik sebanyak 24%, Kurang Baik sebanyak 12%. Penelitian ini menunjukkan bahwa implementasi metode K-Means dengan dukungan aplikasi RapidMiner efektif dalam mengelompokkan data pemahaman materi mahasiswa dan hasilnya dapat digunakan untuk evaluasi dan peningkatan kualitas pengajaran.

References

Mustari, K. A., Assiroj, P., Hartati, B., & Samuel, F. (2024). Implementasi Data Mining Pada Instansi Pemerintahan ( Systematic Literature Review ). 8(3), 3137–3142

Afiasari, N., Suarna, N., & Rahaningsih, N. (2023). Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means E-commerce K-Means melakukan analisis penerapan Data Mining dalam mengelompokkan jumlah. 9, 100–110.

Fadila, R., & Rinaldi, A. R. (2024). Penerapan Data Mining Dalam Mengelompokan Jumlah Umkm Berdasarkan Kabupaten Kota Menggunakan K-Means Clustering. 8(2), 1446–1450.

Ferdy Pangestu, F. P., Nur Yasin, N. Y., Ronald Chistover Hasugian, R. C., & Yunita, Y. (2023). Penerapan Algoritma K-Means Untuk Mengklasifikasi Data Obat. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 12(1), 53–62. https://doi.org/10.32736/sisfokom.v12i1.1461

Afifah, I. A. N., & Nurdiyanto, H. (2023). Data mining clustering dalam pengelompokan buku perpustakaan mengunakan algoritma k-means. 8(3), 802–814.

Nahjan, M. R., Heryana, N., Voutama, A., Komputer, F. I., Karawang, U. S., & Miner, R. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. 7(1), 101–104.

Yoliadi, D. N. (2023). Data mining Dalam Analisis Tingkat Penjualan Barang Elektronik. 3.

Pujiono, S., Astuti, R., & Basysyar, F. M. (2024). Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering. 8(1).

Kurniawan, R. A., Hasibuan, M. S., Piramida, P., & Ramadhan, R. S. (2022). Penerapan Algoritma K-Means Untuk Clustering Tempat Makan Di Batubara. Journal of Computer Science and Informatics Engineering (CoSIE), 01(1), 10–18. https://doi.org/10.55537/cosie.v1i1.27