Klasterisasi Kinerja Akademik Mahasiswa Berdasarkan IPK Menggunakan K-Means dan Metode Elbow
DOI:
https://doi.org/10.52436/1.jpti.1511Keywords:
data mining, K-Means, klasterisasi, mahasiswaAbstract
Data kinerja akademik mahasiswa sering kali hanya dimanfaatkan sebagai arsip administratif dan belum digunakan secara optimal untuk mengidentifikasi pola kinerja. Penelitian ini bertujuan mengelompokan kinerja akademik mahasiswa di Institut Teknologi Keling Kumang Sekadau menggunakan algoritma K-Means. Data yang digunakan meliputi IPS semester 1-5, IPK, dan lama studi dari 118 mahasiswa yang telah melalui tahap prapemrosesan untuk memastikan kualitas data. Jumlah klaster optimal ditentukan menggunakan metode Elbow dan menghasilkan tiga klaster. Hasil penelitian menunjukkan bahwa mahasiswa terbagi ke dalam tiga kategori kinerja, yaitu tinggi, sedang, dan rendah. Temuan ini dapat dimanfaatkan sebagai dasar evaluasi akademik dan pengambilan keputusan dalam meningkatkan kualitas pendidikan.
Downloads
References
M. A. Rahman, N. Islam, and A. Rahman, “Academic Performance Analysis Using Clustering Techniques,” International Journal of Advanced Computer Science and Applications, vol. 11, no. 4, pp. 421–428, 2020.
A. A. Nugroho, R. R. Isnanto, and K. T. Martono, “Clustering Mahasiswa Berdasarkan Prestasi Akademik Menggunakan Metode K-Means,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 2, pp. 85–92, 2021.
R. A. Pratama, D. Puspitasari, and H. Tolle, “Analisis Prestasi Akademik Mahasiswa Menggunakan Teknik Clustering,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 3, pp. 1451–1458, 2022.
A. Jain, “Data Clustering: 50 Years Beyond K-Means,” Pattern Recognition Letters, vol. 31, no. 8, pp. 651–666, 2010.
R. K. Jain and V. Dubes, “Applications of Clustering Methods in Educational Data Mining,” Journal of Educational Data Mining, vol. 12, pp. 1–18, 2020.
S. García, J. Luengo, and F. Herrera, “A Survey on Data Preprocessing in Data Mining,” IEEE Transactions on Knowledge and Data Engineering, vol. 27, no. 2, pp. 294–313, 2015.
F. Pedregosa et al., “Scikit-learn: Machine Learning in Python,” Journal of Machine Learning Research, vol. 12, pp. 2825–2830, 2011.
N. A. Rahman, S. S. Salleh, and R. Mohamed, “Student Academic Performance Clustering Using K-Means Algorithm,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 23, no. 2, pp. 1051–1059, 2021.
C. Azzahra and S. Sriani, “Clustering of High School Students’ Academic Scores Using K-Means Algorithm,” Journal of Information System and Informatics, vol. 7, no. 1, pp. 572–586, 2025.
S. Khodijah, A. R. Hariyanto, B. Salsabiilah, W. S. Aulia, and M. Fanyusri, “Student Clustering Based on Academic Performance Using the K-Means Algorithm in RapidMiner,” Journal of Information Technology and Informatics Engineering, vol. 1, no. 1, pp. 46–50, 2025.
S. Durachman and A. W. Bin Abdul Rahman, “Clustering Student Behavioral Patterns: A Data Mining Approach Using K-Means for Analyzing Study Hours, Attendance, and Tutoring Sessions in Educational Achievement,” Artificial Intelligence in Learning, vol. 1, no. 1, pp. 35–53, 2025.
D. Kurniadi and A. Sugiyono, “Pengelompokkan Data Akademik Menggunakan Algoritma K-Means pada Data Akademik Unissula,” Jurnal Transformatika, vol. 18, no. 1, 2018.
M. A. Al Fauzie, Yuliadi, and J. A. Putra, “Clustering Data Menggunakan Metode K-Means untuk Rekomendasi Pembelajaran Akademik bagi Siswa Aktif dalam Ekstrakurikuler,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 1, 2023.
N. Rahayu, A. H. Anshor, and L. Afriantoro, “Penerapan Data Mining untuk Pemetaan Siswa Berprestasi Menggunakan Metode Clustering K-Means,” JUKI: Jurnal Komputer dan Informatika, vol. 6, no. 1, 2024.
H. A. Almohamad, M. M. Alshammari, and A. A. Alshammari, “Student Performance Analysis Using K-Means Clustering Algorithm,” International Journal of Advanced Computer Science and Applications, vol. 14, no. 2, pp. 350–357, 2023.
