Pengelompokan Perilaku Mahasiswa Pada Perkuliahan E-Learning dengan K-Means Clustering

Sugiono Sugiono, Siti Nurdiani, Safitri Linawati, Rizky Ade Safitri, Elin Panca Saputra

Sari


Untuk menghasilkan proses pemodelan, serta menganalisa data, metode Clustering merupakan suatu metode yang dapat melakukan pengelompokkan dengan sistem partisi. Dalam melakukan pengelompokkan nilai E-learning serta jejak aktifitas kami menggunakan Algoritma K-Means. K-Means merupakan sebuah metode yang bersifat tanpa arahan. Algoritma K-Means dapat membantu mengelompokkan data serta informasi dari setiap nilai centroid dari setiap cluster. Penelitian ini bertujuan untuk mengelompokkan perilaku mahasiswa pada perkuliahan berbasis E-Learning dengan menghitung jarak antara total nilai mahasiswa dari mata kuliah E-Learning dan jejak aktifitas yang dilakukannya. Pengelompokan ini dilakukan dengan membaginya menjadi 3 cluster. Data yang kami kelola sebanyak 109 mahasiswa yang mengikuti perkuliahan E-Learning. Titik centroid awal yaitu M4, M73, M104 dihitung dengan rumus Euclidean untuk menentukan jarak terdekat. Data dikelompokkan sesuai dengan jarak centroid terdekat dengan cluster. Setelah melalui proses perhitungan yang menghasilkan 10 kali iterasi, didapatkan hasil akhir berupa Cluster 1 sebanyak 53 mahasiswa, cluster 2 sebanyak 42 mahasiswa, dan cluster 3 sebanyak 14 mahasiswa. Dari proses tersebut dihasilkan 3 jenis kluster yaitu mahasiswa dengan jumlah aktifitas yang banyak mendapatkan nilai tinggi, mahasiswa dengan aktifitas yang sedang mendapatkan hasil nilai tinggi dan mahasiswa dengan jumlah aktifitas sedikit menghasilkan nilai yang rendah.


Teks Lengkap:

PDF

Referensi


Agustina, S., Yhudo, D., Santoso, H., Marnasusanto, N., Tirtana, A., & Khusnu, F. (2013). CLUSTERING KUALITAS BERAS BERDASARKAN CIRI FISIK MENGGUNAKAN METODE K-MEANS Algoritma.

Awoyelu, I. O. (2016). Modeling and Simulation of K-Means Clustering Learning Object Adaptability Model for Selecting Materials in E-Learning. 141(1), 10–18.

Bansal, A. (2017). Improved K-mean Clustering Algorithm for Prediction Analysis using Classification Technique in Data Mining. 157(6), 35–40.

Bariah, S. H., Rahadian, D., & Darmawan, D. (2017). Smart content learning dengan menggunakan metode big data analysis pada mata kuliah media pembelajaran ilmu komputer. Jurnal Teknologi Pendidikan Dan Pembelajaran, 2(1), 222–233.

Bastian, A., Sujadi, H., Febrianto, G., Studi, P., Informatika, T., Majalengka, U., … No, M. (2018). No Title. PENERAPAN ALGORITMA K-MEANS CLUSTERING ANALYSIS PADA PENYAKIT MENULAR MANUSIA (STUDI KASUS KABUPATEN MAJALENGKA) Ade, (1), 26–32.

Fitriyani, F. (2018). Metode Bagging Untuk Imbalance Class Pada Bedah Toraks Menggunakan Naive Bayes. Jurnal Kajian Ilmiah, 18(3), 278-282.

Kaur, M. (2013). Cluster Analysis of Behavior of E-learners. (2), 344–346.

Malik Rio Andika, et all. (2018). PERBANDINGAN ALGORITMA K-MEANS CLUSTERING DENGAN FUZZY C- MEANS DALAM MENGUKUR TINGKAT KEPUASAN TERHADAP TELEVISI Latar Belakang Masalah Media Televisi Dakwah Surau TV merupakan sebuah media penyiaran yang menyajikan siaran seputar Agama Islam . Media ini. RABIT, 3(1), 10–21.

NASARI, F., & SIANTURI. (2016). Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat. 108–119.

Nelfianti, F., Yuniasih, I., & Wibowo, A. I. (2018). Pengaruh Budaya Organisasi Terhadap Kinerja Karyawan YPI Cempaka Putih Jakarta. Jurnal Kajian Ilmiah, 18(2), 120-128.

Putri, D. E., Kom, S., & Kom, M. (2015). METODE NON HIERARCHY ALGORITMA K-MEANS DALAM MENGELOMPOKKAN TINGKAT KELARISAN BARANG ( STUDI KASUS : KOPERASI KELUARGA BESAR SEMEN PADANG ). 1(Senatkom).

Saputra, E. P., & Hamid, A. (2019). Fitur Seleksi Atribut Hasil Kelulusan Mahasiswa Elearning Berdasarkan Log Dengan Neural Network. Jurnal Kajian Ilmiah, 19(1), 24. https://doi.org/10.31599/jki.v19i1.318

Sudarmaji. (2016). Migrasi dan Optimalisasi Database Sistem Informasi berbasis E-Learning Program Diploma III Manajemen Informatika Universitas Muhammadiyah Metro. (Kampus 3).

Wardhani, anindya khrisna. (2016). ( K-MEANS ALGORITHM IMPLEMENTATION FOR CLUSTERING OF PATIENTS DISEASE IN KAJEN CLINIC OF PEKALONGAN ) Anindya Khrisna Wardhani Magister Sistem Informasi Universitas Diponegoro. 14, 30–37.




DOI: http://dx.doi.org/10.31599/jki.v19i2.410

Refbacks

  • Saat ini tidak ada refbacks.




##submission.copyrightStatement##

##submission.license.cc.by4.footer##

 


 

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

Lembaga Penelitian, Pengabdian kepada Masyarakat dan Publikasi Universitas Bhayangkara Jakarta Raya (LPPMP UBJ)