Claim Missing Document
Check
Articles

Found 1 Documents
Search

Segmentasi Pengalaman Belajar Mahasiswa Menggunakan K-Means Clustering untuk Meningkatkan Strategi Pembelajaran di Perguruan Tinggi IKTL Maria Fransiska Lodan; Alfian Nara Weking; Maria Beliti Hewen
Indonesian Journal of Innovation Science and Knowledge Vol. 3 No. 4 (2026): IJISK 2026
Publisher : Fakultas Pendidikan Ilmu Keguruan, Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/ijisk.v3i4.1013

Abstract

Setiap mahasiswa memiliki pengalaman belajar yang unik berdasarkan latar belakang, gaya belajar, motivasi, partisipasi, dan persepsi terhadap pembelajaran.Dalam lingkungan perguruan tinggi seperti Institut Keguruan dan Teknologi Larantuka (IKTL), keragaman ini menimbulkan tantangan bagi dosen dan institusi dalam menyusun strategi pembelajaran yang efektif dan inklusif.Strategi pembelajaran yang bersifat umum atau seragam sering kali tidak mampu mengakomodasi kebutuhan belajar individu mahasiswa, sehingga berdampak pada kurangnya motivasi belajar, rendahnya partisipasi aktif, dan hasil akademik yang tidak merata. Dalam era digital dan data-driven saat ini, pendekatan pembelajaran yang berbasis pada analisis data mahasiswa mulai diterapkan untuk memahami pola-pola belajar yang tersembunyi dalam data. Salah satu metode yang efektif dalam mengelompokkan data berdasarkan kemiripan adalah algoritma K-Means Clustering, sebuah metode dalam machine learning berbasis unsupervised learning. Dengan algoritma ini, mahasiswa dapat diklasifikasikan ke dalam kelompok (klaster) berdasarkan kemiripan pengalaman belajar mereka, seperti aktivitas kelas, nilai, kehadiran, dan keterlibatan dalam tugas atau diskusi.