Clustering Nilai Mahasiswa Menggunakan Algoritma K-Means

Abstract

Nilai-nilai yang diperoleh setiap mahasiswa akan berbeda. Hal ini tergantung dari kemampuan mahasiswa menyerap materi perkuliahan yang diberikan. Semakin banyak jumlah mahasiswa, semakin banyak pula ragam nilai yang terlihat. Nilai-nilai tersebut hanya akan tampak seperti angka-angka yang tak bermakna, jika tidak dilakukan suatu analisis mendalam. Namun ketika dianalisis menggunakan metode data mining (penambangan data), nilai tersebut akan tersaji dalam suatu pengetahuan baru yang selama ini tersembunyi. Tujuan penelitian ini adalah membagi nilai mahasiswa ke dalam 3 (tiga) cluster berdasarkan kemiripannya. Metode yang digunakan adalah algoritma K-Means. Hasil penelitian menunjukkan Cluster 2 (dua) memiliki anggota paling banyak dengan 18 (delapan belas), kemudian cluster 1 (satu) dengan 8 (delapan) dan cluster 3 (tiga) paling sedikit yaitu 2 (dua) anggota. Sebaran data cluster 2 lebih beragam karena anggota yang paling banyak, sebaran cluster 1 sedikit menumpuk pada satu titik, sedangkan cluster 3 hanya 2 (dua) anggota dan memiliki jarak yang agak jauh