Pengukuran Konsistensi Kinerja Belajar Mahasiswa Menggunakan Algoritma K-Means

Muhammad Firmansyah Gumelar, Herbert Siregar, Jajang Kusnendar

Abstract


Pesatnya perkembangan teknologi kini telah memasuki berbagai bidang, termasuk pendidikan. Revolusi Industri 4.0 dalam bidang pendidikan menuntut peserta didik untuk mampu bersaing dengan peserta didik lainnya di berbagai aspek dari banyak wilayah. Salah satu tantangannya adalah tenaga kerja yang terpercaya, yang membutuhkan kematangan skill dan pengetahuan yang dibutuhkan, dan ini didapat dari hasil kinerja belajar dari pendidikan yang mereka ambil. Ini membuat para peserta didik harus mampu menjaga kinerja belajar mereka agar mampu bersaing. Penelitian tentang pengukuran konsistensi kinerja belajar peserta didik, seperti mahasiswa, masih jarang dilakukan. Penelitian ini akan menggunakan sebuah metode clustering, yaitu K-Means untuk melakukan pengukuran konsistensi kinerja belajar tersebut. Data yang digunakan adalah data mahasiswa dummy atau data fiktif yang dibuat sendiri oleh penulis. Jumlah mahasiswa yang akan diteliti adalah 80 orang yang akan dibagi menjadi 3 klaster. Ada dua metode yang digunakan, yaitu metode K-Means standar, dan K-Means dengan MinMaxScaler (MMS). MMS digunakan untuk mengubah rentang data menjadi rentang tertentu seperti 0 dan 1. Hasil pengukuran konsistensi kinerja belajar mahasiswa secara keseluruhan dalam metode standar yang tergolong naik, tetap, dan turun adalah 36%, 39%, dan 25%. Sedangkan dalam metode MMS adalah 36%, 44%, dan 20%.

Keywords


Revolusi industri 4.0; Konsistensi; Kinerja belajar; Mahasiswa; Clustering; K-Means

Full Text:

PDF

References


S. G. A. Theffidy, “Pendidikan Era Revolusi Industri 4.0 di Tengah Covid-19,” Ombudsman Republik Indonesia, 31 March 2020. [Online]. Available: https://ombudsman.go.id/artikel/r/artikel--pendidikan-era-revolusi-industri-40-di-tengah-covid-19. [Diakses 3 November 2021].

M. M. Mubyarto dan G. P. D. Sohibien, “Determinan Daya Saing Sektor Manufaktur Unggulan Menuju Program Making Indonesia 4.0,” dalam Seminar Nasional Official Statistics 2019, Jakarta, 2019.

B. S. Saepudin, “Revolusi Industri 4.0, Apakah Itu? Dan Pengaruhnya Terhadap Dunia Pendidikan,” Dinas Pendidikan Kabupaten Bandung Barat, 2019. [Online]. Available: https://disdikkbb.org/news/revolusi-industri-4-0-apakah-itu-dan-pengaruhnya-terhadap-dunia-pendidikan/. [Diakses 3 November 2021].

J. D. Putriani dan Hudaidah, “Penerapan Pendidikan Indonesia di Era Revolusi Industri 4.0,” Edukatif: Jurnal Ilmu Pendidikan, vol. 3, no. 3, pp. 831-838, 2021.

M. A. Ghufron, “Revolusi Industri 4.0: Tantangan, Peluang dan Solusi bagi Dunia Pendidikan,” dalam Seminar Nasional dan Diskusi Panel Multidisiplin Hasil Penelitian & Pengabdian kepada Masyarakat, Jakarta, 2018.

W. Winkel, Psikologi Pendidikan dan Evaluasi Belajar, Jakarta: Gramedia, 1997.

N. Purwanto, Prinsip-Prinsip dan Teknik Evaluasi Pengajaran, Bandung: Rosda Karya, 1994.

S. Arikunto, Dasar-dasar Evaluasi Belajar, Jakarta: Bumi Aksara, 2003.

F. E. M. Agustin, A. Fitria dan A. Hanifah, “Implementasi Algoritma K-Means untuk Menentukan Kelompok Pengayaan Materi Mata Pelajaran Ujian Nasional (Studi Kasus: SMP Negeri 101 Jakarta),” Jurnal Teknik Informatika, vol. 8, no. 1, pp. 73-78, 2015.

K. P. Sinaga dan M.-S. Yang, “Unsupervised K-Means Clustering Algorithm,” IEEE Access, vol. 8, pp. 80716-80727, 2020.

A. Harianto, “Konsistensi Mediasi Hubungan Industrial dalam Perspektif Asas-asas Mediasi,” Majalah Ilmiah, vol. 3, no. 2, pp. 89-108, 2008.

C. M. Evertson dan E. T. Emmer, Manajemen Kelas untuk Guru Sekolah Dasar, Jakarta: Kencana, 2015.

F. Gunawan, “Rekomendasi Penempatan SAMSAT Keliling menggunakan Algoritma K-Means Clustering,” Universitas Pendidikan Indonesia, Bandung, 2019.

N. H. Harani, C. Prianto dan F. A. Nugraha, “Segmentasi Pelanggan Produk Digital Service Indihome Menggunakan Algoritma K-Means Berbasis Python,” Jurnal Manajemen Informatika (JAMIKA), vol. 10, no. 2, pp. 133-146, 2020.

Asroni dan R. Adrian, “Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang,” Jurnal Ilmiah Semesta Teknika, vol. 18, no. 1, pp. 76-82, 2015.

A. Burkov, The Hundred-Page Machine Learning Book, Quebec: Expert Systems, 2019.

I. Budiman, “Data Clustering Menggunakan Metodologi CRISP-DM Untuk Pengenalan Pola Proporsi Pelaksanaan Tridharma,” Universitas Diponegoro, Semarang, 2012.

J. Han, J. Pei dan M. Kamber, Data Mining: Concepts and Techniques, San Francisco: Morgan Kaufmann, 2011.

K. Teknomo, “K-Means Clustering Tutorials,” July 2007. [Online]. Available: http:people.revoledu.comkardi tutorialkMean. [Diakses 17 March 2021].

Y. Agusta, “K-Means – Penerapan, Permasalahan dan Metode Terkait,” Jurnal Sistem dan Informatika, vol. 3, pp. 47-60, 2007.




DOI: https://doi.org/10.17509/jatikom.v7i2.50441

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Jurnal Aplikasi dan Teori Ilmu Komputer

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

JATIKOM is published by Universitas Pendidikan Indonesia
Jl. Dr. Setiabudhi 229 Bandung 40154, West Java, Indonesia
Website: http://www.upi.edu