Penerapan Data Mining Untuk Clustering Penilaian Kinerja Dosen Menggunakan Algoritma K-Means (Studi Kasus: STMIK Primakara)

Ni Luh Putu Purnama Dewi; I Nyoman Purnama; Nengah Widya Utami

doi:10.32815/jitika.v16i2.761

Penulis

Ni Luh Putu Purnama Dewi Program Studi Sistem Informasi STMIK Primakara
I Nyoman Purnama Program Studi Sistem Informasi STMIK Primakara
Nengah Widya Utami Program Studi Sistem Informasi Akuntansi STMIK Primakara

DOI:

https://doi.org/10.32815/jitika.v16i2.761

Kata Kunci:

Penilaian Kinerja dosen, KDD, Data mining clustering, K-Means, DBI

Abstrak

ABSTRAK. Penilaian kinerja dosen adalah suatu proses dalam melakukan evaluasi terhadap kinerja dosen dan mengevaluasi output pekerjaan dosen. Penelitian ini dilakukan untuk mengkelompokkan kinerja dosen dengan memanfaatkan teknik data mining. Penelitian ini bertujuan untuk memudahkan memberikan informasi dan evaluasi kepada dosen dan sebagai bahan mengambil keputusan. Metode penelitian yang digunakan yaitu metode Knowledge Discovery in Database (KDD), yang terdiri dari tahapan: Data Selection, Preprocessing/Cleaning, Transformation Data, Data mining, dan Enterpretation/Evaluation. Penerapan metode yang digunakan dalam penelitian ini adalah algoritma K-Means Clustering. Beberapa tahapan yang dilakukan dalam menganalisis dan mengelompokkan kinerja dosen diawali dengan penentuan nilai centroid dari titik pusat secara acak. Proses algoritma K-Means berakhir jika tidak ada perubahan nilai centroid antara satu iterasi dengan iterasi lainnya. Pengujian dilakukan dengan menggunakan aplikasi RapidMiner Studio 9.10 dan menggunakan evaluasi Davies-Bouldin Index (DBI)dengan data input 983 data mahasiswa, sehingga hasil yang diperoleh dari penilaian kinerja dosen berdasarkan kepuasaan mahasiswa yaitu cluster sangat baik 312 (31,74%) data mahasiswa, cluster baik 401 (40,79%) data mahasiswa, cluster cukup baik 189 (19,23%) data mahasiswa, dan cluster kurang baik 81 (8,24%) data mahasiswa. Dan hasil DBI sebesar 0,270 atau 27%, sehingga tingkat akurasi dari hasil cluster termasuk baik, karena nilai DBI sudah mendekati nol.

Kata Kunci: Penilaian kinerja dosen, KDD, Data mining Clustering, K-Means, DBI

Unduhan

Data unduhan belum tersedia.

Referensi

Nurzahputra, Aldi, Much Aziz Muslim, and Miranita Khusniati. 2017. “Penerapan Algoritma K-Means Untuk Clustering Penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa.” Techno.Com 16(1):17–24. doi: 10.33633/tc.v16i1.1284.
Parlambang, Bagas, and Fauziah. 2020. “Implementasi Algoritma K-Means Dalam Proses Penilaian Kuesioner Kepada Dosen Guna Mendukung Kepuasan Mahasiswa Terhadap Dosen.” Jurnal Ilmiah Teknologi Dan Rekayasa 25(2):161–73. doi: 10.35760/tr.2020.v25i2.2719.
Puspita, Mita, I. Wyn Rinda, and I. Wyn Darsana. 2014. “Kinerja Terhadap Hasil Belajar Ipa Siswa Kelas V Pada Gugus 7 Kecamatan Penebel Kabupaten Tabanan.” Mimbar PGSD Universitas Pendidikan Ganesha Jurusan PGSD (Vol: 2 No: 1 Tahun 2014) 2.
Toyib, Rozali, and Surya Ade Saputera. 2019. “Aplikasi Sistem Penilaian Kinerja Guru Dengan Metode Decision Tree Menggunakan Algoritma ID3 ( Studi Kasus SLTP Negeri 3 Marga Sakti Bengkulu Utara ).” JTIS, Volume 2 Nomor 1, Februari 2019 ISSN : 2614 – 3070, E-ISSN : 2614 – 3089 2:1–7.
Virgo, Ismail, Sarjon Defit, and Yuhandri Yunus. 2020. “Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering (Studi Kasus Institut Agama Islam Batusangkar).” Jurnal Sistim Informasi Dan Teknologi 2(1):24–29. doi: 10.37034/jsisfotek.v2i1.22.
Wafa, Moh. Shohibul. 2013. “Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma K-Means Clustering.” Universitas Islam Negeri Maulana Malik Ibrahim Malang 1:1–117.