Komparasi Algoritme X-Means dan K-Medoids pada Klasterisasi Data Akademik Mahasiswa
DOI:
https://doi.org/10.32664/elang.v1i01Keywords:
klasterisasi, K-Means, K-Medoids, Davies-Bouldin Index, data akademikAbstract
Data akademik mahasiswa dapat diolah menjadi Informasi yang sangat penting dalam pengambilan kebijakan maupun keputusan bagi pengelola program studi (Prodi) dalam upaya peningkatan kualitas pelayanan, keberhasilan pembelajaran, dan perbaikan kurikulum. Salah satu cara pengolahan data adalah klasterisasi. Berbagai algoritme klasterisasi telah banyak dikembangkan diantaranya Algoritme X-Means dan K-Medoids. Penelitian ini bertujuan untuk mendapatkan klasterisasi optimal kinerja akademik mahasiswa berdasarkan data akademik dengan membandingkan hasil klasterisasi algoritme X-Means dan K-Medoids. Dataset didapatkan dari Sistem Informasi Akademik Kampus XYZ Program Studi (Prodi) S1 Sistem Informasi, diperoleh data sejumlah 483 dari angkatan 2017 hingga 2020 yang terdiri dari 11 atribut. Komparasi hasil klasterisasi kedua algoritme dilakukan dengan menghitung nilai Davies-Bouldin Index (DBI). Berdasarkan hasil perhitungan DBI didapati bahwa Klasterisasi Algoritme K-Medoids lebih baik daripada X-Means dengan nilai DBI K-Medoids 0.061 dan X-Means 0.091. Hasil klasterisasi K-Medoids menunjukkan bahwa 97% mahasiswa memiliki kinerja akademik baik dan sisanya belum baik sebanyak 3%.
References
Aryuni, M., Didik Madyatmadja, E., & Miranda, E. (2018). Customer Segmentation in XYZ Bank Using K-Means and K-Medoids Clustering. Proceedings of 2018 International Conference on Information Management and Technology, ICIMTech 2018, September, 412–416. https://doi.org/10.1109/ICIMTech.2018.8528086
Aziz, F. N. R. F. J., Setiawan, B. D., & Arwani, I. (2018). Implementasi Algoritma K-Means untuk Klasterisasi Kinerja Akademik Mahasiswa. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(6), 2243–2251.
Fimawahib, L., & Rouza, E. (2021). Penerapan K-Means Clustering pada Penentuan Jenis Pembelajaran di Universitas Pasir Pengaraian. INOVTEK Polbeng - Seri Informatika, 6(2), 234. https://doi.org/10.35314/isi.v6i2.2096
Ge, J., Sun, H., Xue, C., He, L., Jia, X., He, H., & Chen, J. (2021). LPX: Overlapping community detection based on X-means and label propagation algorithm in attributed networks. Computational Intelligence, 37(1), 484–510. https://doi.org/10.1111/coin.12420
Hakim, I., Rafid, M., & Anggraini, F. (2022). Pemanfaatan Machine Learning dengan Algoritma X-Means untuk Pemetaan Luas Panen, Produktivitas, dan Produksi Padi. Building of Informatics, Technology and Science (BITS), 4(3). https://doi.org/10.47065/bits.v4i3.2654
Herviany, M., Putri Delima, S., Nurhidayah, T., & Kasini, K. (2021). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor Pada Provinsi Jawa Barat. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 1(1), 34–40. https://doi.org/10.57152/malcom.v1i1.60
Hidayati, N., Rizmayanti, A. I., Dewi, C. B. S., Fatmasari, R., & Gata, W. (2020). Penerapan Algoritma Klasterisasi dan Klasifikasi pada Tingkat Kepentingan Sistem Pembelajaran di Universitas Terbuka. Swabumi, 8(2), 134–142. https://doi.org/10.31294/swabumi.v8i2.8385
Kaligis, G. B., & Yulianto, S. (2022). Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai. IT-Explore: Jurnal Penerapan Teknologi Informasi Dan Komunikasi, 1(3), 179–193. https://doi.org/10.24246/itexplore.v1i3.2022.pp179-193
Kamila, I., Khairunnisa, U., & Mustakim, M. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 5(1), 119. https://doi.org/10.24014/rmsi.v5i1.7381
Mughnyanti, M., Efendi, S., & Zarlis, M. (2020). Analysis of determining centroid clustering x-means algorithm with davies-bouldin index evaluation. IOP Conference Series: Materials Science and Engineering, 725(1). https://doi.org/10.1088/1757-899X/725/1/012128
Musfiani, M. (2019). Analisis Cluster Dengan Menggunakan Metode Partisi Pada Pengguna Alat Kontrasepsi Di Kalimantan Barat. Bimaster : Buletin Ilmiah Matematika, Statistika Dan Terapannya, 8(4), 893–902. https://doi.org/10.26418/bbimst.v8i4.36584
Nirmal, S. (2019). Comparative study between k-means and k-medoids clustering algorithms. International Research Journal of Engineering and Technology, 839, 839–844. https://www.irjet.net/archives/V6/i3/IRJET-V6I3154.pdf
Priyatman, H., Sajid, F., & Haldivany, D. (2019). Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(1), 62. https://doi.org/10.26418/jp.v5i1.29611
Septiani, I. W., Fauzan, A. C., & Huda, M. M. (2022). Implementasi Algoritma K-Medoids Dengan Evaluasi Davies-Bouldin-Index Untuk Klasterisasi Harapan Hidup Pasca Operasi Pada Pasien Penderita Kanker Paru-Paru. Jurnal Sistem Komputer Dan Informatika (JSON), 3(4), 556. https://doi.org/10.30865/json.v3i4.4055
Sholikhah, N. A. (2022). Studi Perbandingan Clustering Kecamatan di Kabupaten Bojonegoro Berdasarkan Keaktifan Penduduk Dalam Kepemilikan Dokumen Kependudukan. Jurnal Statistika Dan Komputasi, 1(1), 42–53. https://doi.org/10.32665/statkom.v1i1.443
Supriyadi, A., Triayudi, A., & Sholihati, I. D. (2021). Perbandingan Algoritma K-Means Dengan K-Medoids Pada Pengelompokan Armada Kendaraan Truk Berdasarkan Produktivitas. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 6(2), 229–240. https://doi.org/10.29100/jipi.v6i2.2008
Syahputra, I., Ilhamsyah, I., Rahmayuda, S., & Febrianto, F. (2022). Sistem Klasterisasi Data Kesehatan Penduduk Untuk Menentukan Rentang Derajat Kesehatan Daerah Menggunakan K-Means. Jurnal Khatulistiwa Informatika, 10(1), 66–73. https://doi.org/10.31294/jki.v10i1.12872
Utomo, W. (2021). The comparison of k-means and k-medoids algorithms for clustering the spread of the covid-19 outbreak in Indonesia. ILKOM Jurnal Ilmiah, 13(1), 31–35. https://doi.org/10.33096/ilkom.v13i1.763.31-35
