<![CDATA[Perguruan tinggi mempunyai tugas melaksanakan pendidikan yang berkualitas. Ketepatan waktu studi merupakan salah satu aspek penting yang menjadi tolok ukur dalam keberhasilan perguruan tinggi. Oleh karena itu perguruan tinggi perlu menganalisis ketepatan waktu studi mahasiswa untuk membangun strategi pengembangan akademik yang lebih baik. Teknik analisis data yang digunakan adalah clustering menggunakan algoritma K-Means Clustering. Rumusan masalah penelitian adalah bagaimana penerapan dan apa saja pengetahuan yang didapatkan pada clustering ketepatan waktu studi mahasiswa. Prosedur dalam analisis data terdiri dari data understanding, studi literatur, data cleaning, data selection, data transformation, normalisasi data, clustering, data visualization serta pembahasan dan interpretasi hasil. Hasil yang diperoleh adalah terbagi 3 klaster ketepatan waktu studi yang terdiri dari cepat, tepat waktu, dan telat. Diperoleh pengetahuan bahwa klaster telat mempunyai frekuensi terbesar, diikuti dengan klaster cepat, dan terendah adalah klaster tepat waktu. Ketiga klaster tersebut didistribusikan persebarannya berdasarkan status kerja, UKM, organisasi, dan fakultas. Disimpulkan bahwa tidak terdapat hubungan dan perbedaan antara mahasiswa yang berkuliah sambil bekerja dan mahasiswa yang tidak bekerja. Tidak terdapat hubungan dan perbedaan antara mahasiswa yang tidak mengikuti UKM, mengikuti UKM 1, mengikuti UKM 2, mengikuti UKM 3, ataupun mengikuti UKM 4. Hasil berbeda ditunjukkan berdasarkan organisasi kampus, disimpulkan bahwa mengikuti organisasi dan tidak mengikuti organisasi mempunyai hubungan yang kuat dan perbedaan yang signifikan terhadap ketepatan waktu studi. Sedangkan berdasarkan asal fakultas, tidak terdapat hubungan dan perbedaan yang signifikan, namun klaster mahasiswa yang lulus tepat waktu dengan frekuensi paling sedikit adalah FISIP, FIKOM dan DKV.]]>
Copyrights © 2023
