Pengelompokan Mahasiswa Berdasarkan Data Akademik Sebelum Kuliah dan Masa Studi Menggunakan K-Medoids
Dublin Core
Title
Pengelompokan Mahasiswa Berdasarkan Data Akademik Sebelum Kuliah dan Masa Studi Menggunakan K-Medoids
Subject
K-Medoids, Silhouette Coefficient, One Hot Encoding, Euclidean Distance, Cluster
Description
The research objective is to obtain information about the results of grouping
that are useful for the campus, especially study programs, to be used as
consideration for future admissions by grouping, causing a mismatch between
the number of students and the existing campus facilities. This research was
conducted at university X which has several faculties, one of which is faculty
Y which consists of the R study program, S study program, T study program
and U study program. This research uses the K-Medoids method. The stages of
this research started with load dataset, data cleaning, data selection, data
transformation with one hot encoding, euclidean distance, and k-medoids to
produce clusters. Testing the quality of the clusters in this study using the
silhouette coefficient. The research resulted in recommended student data and
all of them came from Java Island. In the dataset of study programs R, S, and
U, the recommended data are obtained with a total number of 9, 57, and 64,
respectively, which have an average math score of at least 82. Meanwhile, for
the T study program dataset, there are 35 data with an average mathematical
value. amounted to 73.89. The test results for the dataset of study programs R,
S, T and U are 0.52, 0.67, 0.35, and 0.65 respectively, so the results are quite
good.
.
ABSTRAK
Tujuan penelitian yaitu untuk memperoleh informasi tentang hasil
pengelompokkan yang berguna bagi pihak kampus terutama prodi untuk
dijadikan bahan pertimbangan untuk penerimaan mahasiswa baru kedepannya
dengan cara mengelompokkan, sehingga menyebabkan ketidaksesuain antara
jumlah mahasiswa dengan fasilitas kampus yang ada. Penelitian ini dilakukan
pada universitas X memiliki beberapa fakultas salah satunya fakultas Y yang
terdiri dari program studi R, program studi S, program studi T dan program
studi U. Penelitian ini menggunakan metode K-Medoids. Tahapan penelitian ini
dimulai dari load dataset, data cleaning, data selection, transformasi data
dengan one hot encoding, euclidean distance, dan k-medoids untuk
menghasilkan cluster. Pengujian kualitas cluster dalam penelitian ini
menggunakan silhouette coefficient. Penelitian menghasilkan data mahasiswa
yang direkomendasikan dan semuanya berasal dari Pulau Jawa. Pada dataset
program studi R, S, dan U diperoleh data yang direkomendasikan dengan
jumlah berturut-turut 9, 57, dan 64 yang memiliki rata-rata nilai matematika
minimal 82. Sedangkan untuk dataset program studi T terdapat 35 data dengan
rata-rata nilai matematika sebesar 73,89. Hasil pengujian untuk dataset program
studi R, S, T dan U berurut-turut sebesar 0,52, 0,67, 0,35, dan 0,65 sehingga
dinyatakan hasilnya cukup bagus.
that are useful for the campus, especially study programs, to be used as
consideration for future admissions by grouping, causing a mismatch between
the number of students and the existing campus facilities. This research was
conducted at university X which has several faculties, one of which is faculty
Y which consists of the R study program, S study program, T study program
and U study program. This research uses the K-Medoids method. The stages of
this research started with load dataset, data cleaning, data selection, data
transformation with one hot encoding, euclidean distance, and k-medoids to
produce clusters. Testing the quality of the clusters in this study using the
silhouette coefficient. The research resulted in recommended student data and
all of them came from Java Island. In the dataset of study programs R, S, and
U, the recommended data are obtained with a total number of 9, 57, and 64,
respectively, which have an average math score of at least 82. Meanwhile, for
the T study program dataset, there are 35 data with an average mathematical
value. amounted to 73.89. The test results for the dataset of study programs R,
S, T and U are 0.52, 0.67, 0.35, and 0.65 respectively, so the results are quite
good.
.
ABSTRAK
Tujuan penelitian yaitu untuk memperoleh informasi tentang hasil
pengelompokkan yang berguna bagi pihak kampus terutama prodi untuk
dijadikan bahan pertimbangan untuk penerimaan mahasiswa baru kedepannya
dengan cara mengelompokkan, sehingga menyebabkan ketidaksesuain antara
jumlah mahasiswa dengan fasilitas kampus yang ada. Penelitian ini dilakukan
pada universitas X memiliki beberapa fakultas salah satunya fakultas Y yang
terdiri dari program studi R, program studi S, program studi T dan program
studi U. Penelitian ini menggunakan metode K-Medoids. Tahapan penelitian ini
dimulai dari load dataset, data cleaning, data selection, transformasi data
dengan one hot encoding, euclidean distance, dan k-medoids untuk
menghasilkan cluster. Pengujian kualitas cluster dalam penelitian ini
menggunakan silhouette coefficient. Penelitian menghasilkan data mahasiswa
yang direkomendasikan dan semuanya berasal dari Pulau Jawa. Pada dataset
program studi R, S, dan U diperoleh data yang direkomendasikan dengan
jumlah berturut-turut 9, 57, dan 64 yang memiliki rata-rata nilai matematika
minimal 82. Sedangkan untuk dataset program studi T terdapat 35 data dengan
rata-rata nilai matematika sebesar 73,89. Hasil pengujian untuk dataset program
studi R, S, T dan U berurut-turut sebesar 0,52, 0,67, 0,35, dan 0,65 sehingga
dinyatakan hasilnya cukup bagus.
Creator
Herri Kurnia, Lisna Zahrotun, Utaminingsih Linarti
Publisher
Perpustakaan Horizon Karawang
Date
2021
Contributor
Fajar Bagus W
Format
PDF
Language
Indonesia
Type
Text
Files
Collection
Citation
Herri Kurnia, Lisna Zahrotun, Utaminingsih Linarti, “Pengelompokan Mahasiswa Berdasarkan Data Akademik Sebelum Kuliah dan Masa Studi Menggunakan K-Medoids,” Repository Horizon University Indonesia, accessed February 5, 2025, https://repository.horizon.ac.id/items/show/3307.