<![CDATA[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%.]]>
Copyrights © 2023
