Pengklasteran Mahasiswa UNTAN Berdasarkan IPK Menggunakan Metode Fuzzy C-Means

Abstract

Clustering merupakan salah satu metode data mining. Clustering berguna untuk mengelompokkan data (objek) yang didasarkan pada informasi yang ditemukan dalam dua data yang menggambarkan objek tersebut dan hubungan diantaranya. Mahasiswa dituntut untuk aktif dalam proses belajar mengajar melalui media yang ada. Keberhasilan mahasiswa dalam bidang akademik ditandai dengan prestasi akademik yang dicapai, ditunjukkan melalui indek prestasi (IP) maupun indek prestasi kumulatif (IPK). Jumlah data yang banyak ini membuka peluang untuk menghasilkan informasi yang berguna untuk pihak universitas, fakultas dan prodi. Penelitian ini bertujuan untuk menghasilkan aplikasi pengklasteran mahasiswa berdasarkan nilai IPK dan nilai IPS dengan menerapkan metode fuzzy c-means. Fuzzy C-means menerapkan pengelompokan fuzzy, dimana setiap data dapat menjadi anggota dari beberapa cluster dengan derajat keanggotaan yang berbeda-beda pada setiap cluster. Metode Partition Coeffiecient Index (PCI) merupakan proses pengujian validasi fuzzy clustering dengan menghitung koefisien partisi atau PC sebagai evaluasi nilai derajat keanggotaan, tanpa memandang vector (data) yang biasa mengandung informasi. Berdasarkan hasil pengujian dengan perhitungan metode Partition Coeffiecient Index (PCI) yang telah dilakukan, diketahui bahwa perbedaan hasil evaluasi dapat terjadi antara cluster. Perbedaan hasil evaluasi Partition Coeffiecient Index (PCI) disebabkan oleh jumlah cluster. Hasil dari pengujian Partition Coeffiecient Index (PCI), dapat diketahui bahwa banyaknya cluster menentukan nilai evaluasi cluster. Semakin tinggi nilai kualitas evaluasi cluster, maka akan semakin baik pula tingkat kemiripan suatu cluster.