Analisis Karakteristik Mahasiswa Berdasarkan Nilai Kelompok Mata Kuliah dengan Menggunakan Analisis Cluster K-Means

Irmeilyana Irmeilyana, Sugandi Yahdin, Rana Sania

Abstract


Indeks Prestasi (IP) adalah nilai yang dihitung berdasarkan jumlah beban studi yang diambil dalam satu semester dikalikan dengan bobot prestasi tiap-tiap mata kuliah kemudian dibagi dengan jumlah beban kredit yang diambil. IPK merupakan IP kumulatif dari seluruh semester yang telah diikuti mahasiswa. Pada kurikulum Tahun 2012, Jurusan Matematika FMIPA Unsri mempunyai 5 Kelompok Bidang Minat (KBM), yaitu: Matematika Murni, Optimasi, Statistika, Aktuaria, dan Komputasi. Selain itu ada juga mata kuliah wajib yang terbagi menjadi Mata Kuliah Umum (MKU), Mata Kuliah Dasar (MKD), Mata Kuliah Keilmuan Matematika (MKM), dan Mata Kuliah Pilihan (MKP). Tujuan dari penelitian ini untuk menganalisis karakteristik mahasiswa berdasarkan kelompok mata kuliah dengan menggunakan analisis klaster K-Means pada alumni angkatan 2012. Berdasarkan analisis klaster K-Means didapatkan 3 klaster atau kelompok mahasiswa. Klaster 1 beranggotakan 10 mahasiswa dan merupakan mahasiswa dengan IPK tinggi serta dominan mengambil KBM Optimasi. Klaster 2 dengan anggota 30 mahasiswa merupakan kelompok mahasiswa yang mempunyai IPK sedang serta dominan mengambil KBM Statistika dan Aktuaria. Selanjutnya klaster 3 yang beranggotakan 17 mahasiswa merupakan kelompok mahasiswa yang memiliki IPK rendah dengan KBM yang dominan diambil adalah KBM Murni. Sementara itu berdasarkan korelasi antar peubah IPK yang tinggi dapat direpresentasikan oleh IP kelompok Mata Kuliah Keilmuan Matematika (MKM) yang juga tinggi.


Full Text:

PDF

References


M. Saleh, “Pengaruh Motivasi, Faktor Keluarga, Lingkungan Kampus, dan Aktif Berorganisasi Terhadap Prestasi Akademik,” J. Phenom., vol. 4, no. 2, pp. 100–111, 2014.

Irmeilyana, R. Sania, A. Desiani, H. Tanuji, “Peng-cluster-an Mahasiswa Berdasarkan IPK dan IP Kelompok Mata Kuliah dan Kelompok Bidang Minat,” in ARS 2017, 2017.

J. A. Hartigan, Clustering Algorithms. New York: John Wiley & Sons, Inc., 1975.

T. Agustin and A. Djuraidah, “Penggerombolan daerah tertinggal di indonesia dengan fuzzy k-rataan,” Forum Stat. dan Komputasi, vol. 15, no. 1, pp. 22–27, 2010.

L. Zahrotun, “Analisis pengelompokan jumlah penumpang bus Trans Jogja menggunakan metode clustering k-means dan agglomerative hierarchical clustering (AHC),” J. Inform., vol. 9, no. 1, pp. 1039–1047, 2015.

R. A. Johnson and D. W. Wichern, Applied Multivariate Statistical Analysis, 6th ed. New Jersey: Prentice-Hall, Inc., 2007.

A. C. . Rencher, Methods of Multivariate Analysis. Toronto: John Wiley & Sons, Inc., 2002.

S. Sharma, Aplied Multivariate Techniques. New York: John Wiley & Sons, Inc., 1996.

Härdle & Simar, Applied Multivariate Statistical Analysis, 2nd ed. New York: Springer Berlin Heidelberg, 2007.


Refbacks

  • There are currently no refbacks.