Fernaldy, Fabiyan Atha
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

KLASTERISASI TRACER STUDY ALUMNI UNIVERSITAS XYZ MENGGUNAKAN ALGORITMA K-MEANS Fernaldy, Fabiyan Atha; Arifiyanti, Amalia Anjani; Kartika, Dhian Satria Yudha
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5581

Abstract

Penelitian ini bertujuan untuk menganalisis dan mengelompokkan data alumni berdasarkan Indeks Prestasi Kumulatif (IPK) dan masa tunggu untuk mendapatkan pekerjaan menggunakan algoritma K-Means. Metode Elbow dan Silhouette Score diterapkan untuk menentukan jumlah cluster yang optimal. Hasil evaluasi menunjukkan bahwa untuk dataset yang dianalisis, jumlah cluster optimal untuk dataset pertama adalah tiga, sedangkan untuk dataset kedua adalah dua, dengan nilai Silhouette Score tertinggi masing-masing 0.497656 dan 0.502767. Deskripsi hasil clustering mengungkapkan perbedaan karakteristik antara cluster, di mana cluster dengan rata-rata IPK tertinggi memiliki masa tunggu terendah untuk mendapatkan pekerjaan. Temuan ini memberikan wawasan berharga bagi pengembangan kurikulum dan program bimbingan karir, serta meningkatkan pemahaman tentang pola karir alumni. Penelitian ini diharapkan dapat menjadi referensi untuk studi lebih lanjut dalam bidang analisis data dan pengembangan pendidikan.
KLASTERISASI TRACER STUDY ALUMNI UNIVERSITAS XYZ MENGGUNAKAN ALGORITMA K-MEANS Fernaldy, Fabiyan Atha; Arifiyanti, Amalia Anjani; Kartika, Dhian Satria Yudha
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5581

Abstract

Penelitian ini bertujuan untuk menganalisis dan mengelompokkan data alumni berdasarkan Indeks Prestasi Kumulatif (IPK) dan masa tunggu untuk mendapatkan pekerjaan menggunakan algoritma K-Means. Metode Elbow dan Silhouette Score diterapkan untuk menentukan jumlah cluster yang optimal. Hasil evaluasi menunjukkan bahwa untuk dataset yang dianalisis, jumlah cluster optimal untuk dataset pertama adalah tiga, sedangkan untuk dataset kedua adalah dua, dengan nilai Silhouette Score tertinggi masing-masing 0.497656 dan 0.502767. Deskripsi hasil clustering mengungkapkan perbedaan karakteristik antara cluster, di mana cluster dengan rata-rata IPK tertinggi memiliki masa tunggu terendah untuk mendapatkan pekerjaan. Temuan ini memberikan wawasan berharga bagi pengembangan kurikulum dan program bimbingan karir, serta meningkatkan pemahaman tentang pola karir alumni. Penelitian ini diharapkan dapat menjadi referensi untuk studi lebih lanjut dalam bidang analisis data dan pengembangan pendidikan.