Evaluasi Kinerja Dosen Berbasis Kepuasan Mahasiswa dengan Metode K-Means

iddrus; Arda Gusaema Susiliwati; Johan Dharmawan; Agus Setia Budi

doi:10.30736/jt.v17i1.1371

Evaluasi Kinerja Dosen Berbasis Kepuasan Mahasiswa dengan Metode K-Means

Authors

iddrus Universitas Wiraraja
Arda Gusaema Susiliwati Universitas Wiraraja
Johan Dharmawan Universitas Wiraraja
Agus Setia Budi Universitas Islam Lamongan

DOI:

https://doi.org/10.30736/jt.v17i1.1371

Keywords:

Evaluasi, Kinerja, Data Mining, Klasterisasi, K-Means

Abstract

Evaluasi kinerja dosen merupakan salah satu aspek penting dalam meningkatkan kualitas pendidikan di perguruan tinggi. Salah satu cara untuk melakukan evaluasi ini adalah dengan menganalisis tingkat kepuasan mahasiswa terhadap proses pendidikan dan pengajaran yang diberikan oleh dosen. Dalam penelitian ini, digunakan metode K-Means Clustering untuk mengelompokkan data kepuasan mahasiswa yang dikumpulkan melalui Penjamin Mutu, dengan jumlah data sebanyak 543.652. Pengolahan data dalam jumlah besar memerlukan metode yang tepat agar hasil analisis lebih akurat dan dapat diinterpretasikan dengan baik. Oleh karena itu, penelitian ini mengembangkan model clustering berbasis K-Means serta mengimplementasikannya dalam sistem berbasis website. Proses K-Means Clustering dimulai dengan menentukan nilai centroid secara acak, kemudian iterasi dilakukan hingga tidak ada perubahan nilai centroid antara satu iterasi dengan iterasi berikutnya. Pengujian dilakukan menggunakan Google Colab dengan evaluasi menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa metode K-Means berhasil mengelompokkan dosen ke dalam empat cluster, yaitu: (1) Cluster 4 (Kategori Unggul) dengan 83 dosen (42%), (2) Cluster 3 (Kategori Baik) dengan 63 dosen (31%), (3) Cluster 2 (Kategori Cukup) dengan 45 dosen (23%), dan (4) Cluster 1 (Kategori Kurang) dengan 8 dosen (4%). Nilai DBI sebesar 0,260 menunjukkan bahwa hasil clustering memiliki tingkat akurasi yang baik. Dengan adanya pengelompokan ini, evaluasi kinerja dosen dapat dilakukan secara lebih efektif, sehingga institusi dapat mengambil langkah strategis dalam meningkatkan kualitas pengajaran dan kepuasan mahasiswa.

Downloads

References

Adiputra, I. N. M. (2022). Clustering Penyakit DBD pada Rumah Sakit Dharma Kerti Menggunakan Algoritma K-Means. INSERT : Information System and Emerging Technology Journal, 2(2). https://doi.org/10.23887/insert.v2i2.41673

Apriyani, P., Dikananda, A. R., & Ali, I. (2023). Penerapan Algoritma K-Means dalam Klasterisasi Kasus Stunting Balita Desa Tegalwangi. Hello World Jurnal Ilmu Komputer, 2(1). https://doi.org/10.56211/helloworld.v2i1.230

Br Sembiring, S. N., Winata, H., & Kusnasari, S. (2022). Pengelompokan Prestasi Siswa Menggunakan Algoritma K-Means. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 1(1). https://doi.org/10.53513/jursi.v1i1.4784

Dewi, N. L. P. P., Purnama, I. N., & Utami, N. W. (2022). Penerapan Data Mining Untuk Clustering Penilaian Kinerja Dosen Menggunakan Algoritma K-Means (Studi Kasus: STMIK Primakara). Jurnal Ilmiah Teknologi Informasi Asia, 16(2). https://doi.org/10.32815/jitika.v16i2.761

Djaka Permana, M., Lia Hananto, A., Novalia, E., Huda, B., & Paryono, T. (2023). Klasterisasi Data Jamaah Umrah pada Tanurmutmainah Tour Menggunakan Algoritma K-Means. Jurnal KomtekInfo. https://doi.org/10.35134/komtekinfo.v10i1.332

Handayani, F. (2022). Aplikasi Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokan Mahasiswa Berdasarkan Gaya Belajar. Jurnal Teknologi Dan Informasi, 12(1). https://doi.org/10.34010/jati.v12i1.6733

Hutagalung, J. (2022). Pemetaan Siswa Kelas Unggulan Menggunakan Algoritma K-Means Clustering. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(1). https://doi.org/10.35957/jatisi.v9i1.1516

Kusuma Putri, D., & Irawan, H. (2023). Klasterisasi Algoritma K-Means Pada Kepuasan Mahasiswa Terhadap Dosen Fakultas Teknologi Informasi Universitas Budi Luhur. Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2).

Mujilahwati, S. (2023). Kombinasi Algoritma Data Reduksi untuk Optimalisasi Dokumen Cluster. Jurnal Eksplora Informatika, 12(2), 113–119. https://doi.org/10.30864/eksplora.v12i2.819

Muttaqin, M. R., & Defriani, M. (2020). Algoritma K-Means untuk Pengelompokan Topik Skripsi Mahasiswa. ILKOM Jurnal Ilmiah, 12(2). https://doi.org/10.33096/ilkom.v12i2.542.121-129

Nugroho, M. R., Hendrawan, I. E., & Purwantoro, P. P. (2022). Penerapan Algoritma K-Means Untuk Klasterisasi Data Obat Pada Rumah Sakit ASRI. NUANSA INFORMATIKA, 16(1). https://doi.org/10.25134/nuansa.v16i1.5294

Nurahman, N., Purwanto, A., & Mulyanto, S. (2022). Klasterisasi Sekolah Menggunakan Algoritma K-Means berdasarkan Fasilitas, Pendidik, dan Tenaga Pendidik. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(2). https://doi.org/10.30812/matrik.v21i2.1411

Rahayu, A. E., Hikmah, K., Yustia, N., & Fauzan, Abd. C. (2019). Penerapan K-Means Clustering Untuk Penentuan Klasterisasi Beasiswa Bidikmisi Mahasiswa. ILKOMNIKA: Journal of Computer Science and Applied Informatics, 1(2). https://doi.org/10.28926/ilkomnika.v1i2.23

Sari, Y. R., Sudewa, A., Lestari, D. A., & Jaya, T. I. (2020). Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer. CESS (Journal of Computer Engineering, System and Science), 5(2). https://doi.org/10.24114/cess.v5i2.18519

Silalahi, M. (2018). ANALISIS CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS TERHADAP PENJUALAN PRODUK PADAPT BATAMAS NIAGA JAYA. Computer Based Information System Journal, 6(2). https://doi.org/10.33884/cbis.v6i2.709

Suputra, I., Candiasa, I., & Suryawan, I. (2021). Klasterisasi Hasil Ujian Nasional SMA/MA dengan Algoritma K-Means. Wahana Matematika Dan Sains: Jurnal Matematika, Sains, Dan Pembelajarannya, 15(1).

Virgo, I., Defit, S., & Yuhandri, Y. (2020). Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering. Jurnal Sistim Informasi Dan Teknologi. https://doi.org/10.37034/jsisfotek.v2i1.17

Yuan, C., & Yang, H. (2019). Research on K-Value Selection Method of K-Means Clustering Algorithm. J, 2(2). https://doi.org/10.3390/j2020016

Downloads

PlumX Metrics

Published

2025-03-18

How to Cite

iddrus, Gusaema Susiliwati, A., Dharmawan, J., & Agus Setia Budi. (2025). Evaluasi Kinerja Dosen Berbasis Kepuasan Mahasiswa dengan Metode K-Means. Jurnal Teknika, 17(1), 51–58. https://doi.org/10.30736/jt.v17i1.1371

Download Citation

Issue

Vol. 17 No. 1 (2025): MARET

Section

Jurnal teknika

License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Teknika dilisensikan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Anda bebas untuk:

Bagikan â€” salin dan distribusikan ulang materi dalam media atau format apa pun
Beradaptasi â€” me-remix, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial. Lisensi ini dapat diterima untuk Karya Budaya Bebas.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti persyaratan lisensi.

Atribusi â€” Anda harus memberikan kredit yang sesuai, memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Anda dapat melakukannya dengan cara yang wajar, tetapi tidak dengan cara apa pun yang menunjukkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
ShareAlike â€” Jika Anda me-remix, mengubah, atau membangun materi, Anda harus mendistribusikan kontribusi Anda di bawah lisensi yang sama seperti aslinya.
Tidak ada batasan tambahan â€” Anda tidak boleh menerapkan persyaratan hukum atau tindakan teknologi yang secara hukum membatasi orang lain untuk melakukan apa pun yang diizinkan oleh lisensi.

Hak Cipta

Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:

Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini .

Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.

Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).