KOMPARASI ALGORITMA CLUSTERING UNTUK ANALISIS DATA KUESIONER PERGURUAN TINGGI X
Article Sidebar
Read Counter : 12
Download : 2
Main Article Content
Abstract
Pengelolaan keselarasan visi dan misi perguruan tinggi telah menjadi salah satu aspek penting dalam penjaminan mutu institusi. Penelitian ini bertujuan untuk menganalisis penerapan metode K-Means Clustering, Spectral Clustering (SC), dan Agglomerative Clustering (AC) dalam mengukur tingkat pemahaman serta implementasi visi dan misi di kalangan pemangku kepentingan akademik. Penelitian ini juga berkontribusi pada proses pengumpulan data serta penerapan teknik data mining dalam menilai kesesuaian institusional berdasarkan data kuesioner yang dikumpulkan pada periode 2020 hingga 2024. Hasil analisis menunjukkan bahwa metode Agglomerative Clustering memiliki kinerja yang sebanding dengan K-Means Clustering dalam mengelompokkan responden dengan karakteristik yang serupa, sementara Spectral Clustering memberikan wawasan tambahan terhadap pola hubungan kompleks antar pemangku kepentingan. Pada akhirnya, penelitian ini menyajikan hasil pengukuran tingkat keselarasan visi dan misi serta memberikan rekomendasi perbaikan bagi perguruan tinggi yang bersangkutan.
Downloads
Article Details
Section
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
How to Cite
References
[1] R. Rianti, R. Andarsyah, and R. M. Awangga, “Penerapan PCA dan Algoritma Clustering untuk Analisis Mutu Perguruan Tinggi di LLDIKTI Wilayah IV,” NUANSA INFORMATIKA, vol. 18, no. 2, pp. 67–77, Jul. 2024, doi: 10.25134/ILKOM.V18I2.211.
[2] U. W. Latifah, S. Bahri, and M. Satriandhini, “Implementasi Algoritma K-Means Clustering untuk Strategi Promosi Kampus IBISA,” JIKO (Jurnal Informatika dan Komputer), vol. 8, no. 2, pp. 292–300, Sep. 2024, doi: 10.26798/JIKO.V8I2.1307.
[3] S. Fitri, N. Nurjanah, and Saniawati, “Klasterisasi Mutu PTMA (Perguruan Tinggi Muhammadiyah Aisyiyah) di Indonesia dengan Algoritma K-Means Clustering,” JURNAL MANAJEMEN PENDIDIKAN DAN ILMU SOSIAL, vol. 5, no. 5, pp. 1980–1991, Aug. 2024, doi: 10.38035/JMPIS.V5I5.2595.
[4] I. A. Rosyada and D. T. Utari, “Penerapan Principal Component Analysis untuk Reduksi Variabel pada Algoritma K-Means Clustering,” Jambura Journal of Probability and Statistics, vol. 5, no. 1, pp. 6–13, Jun. 2024, doi: 10.37905/JJPS.V5I1.18733.
[5] Iddrus and F. Helmi, “Analisis dan Penerapan Algoritma K-Means Clustering Sebagai Strategi Promosi Penerimaan Mahasiswa Baru Pada Universitas Wiraraja,” JUSTIFY : Jurnal Sistem Informasi Ibrahimy, vol. 2, no. 1, pp. 1–11, Jul. 2023, doi: 10.35316/JUSTIFY.V2I1.3205.
[6] A. T. Basalamah and R. Setyadi, “Penerapan Algoritma K-Means Clustering Pada Tingkat Penyelesaian Pendidikan Di Provinsi Indonesia,” Jurnal Informatika Dan Teknologi Komputer (J-ICOM), vol. 4, no. 2, pp. 114–121, Oct. 2023, doi: 10.55377/J-ICOM.V4I2.7893.
[7] Nurahman, A. Purwanto, and S. Mulyanto, “Klasterisasi Sekolah Menggunakan Algoritma K-Means berdasarkan Fasilitas, Pendidik, dan Tenaga Pendidik,” MATRIK, vol. 21, no. 2, pp. 337–350, Mar. 2022, doi: 10.30812/matrik.v21i2.1411.
[8] Melizah, A. A. T. Susilo, N. Lestari, and Elmayati, “Implementasi Algoritma K-Means Clustering untuk Analisis Data Nilai Akademik Mahasiswa,” Jurnal Teknologi Informasi Mura, vol. 16, no. 2, pp. 84–93, Dec. 2024, doi: 10.32767/JTI.V16I2.2427.
[9] A. Maulidin, Rudiman, A. R. Mubaraq, M. F. Al Akbar, and M. F. Azis, “Implementasi K-Means untuk Clustering Kepuasan Mahasiswa Teknik Informatika terhadap Layanan Akademik,” Jurnal Genta Mulia, vol. 15, no. 2, pp. 124–133, Jul. 2024, doi: 10.61290/GM.V15I2.1205.
[10] W. B. Laksono, Y. Syahidin, and Y. Yunengsih, “Implementasi Data Mining Klasterisasi Data Pasien Rawat Inap dengan Algoritma K-Means Clustering,” Jurnal Teknologi Sistem Informasi dan Aplikasi, vol. 7, no. 2, pp. 621–627, Apr. 2024, doi: 10.32493/JTSI.V7I2.39354.
[11] A. A. P. Batubara and M. I. P. Nasution, “Manajemen Metadata: Solusi Untuk Tantangan Data di Era Informasi,” Socius: Jurnal Penelitian Ilmu-Ilmu Sosial, vol. 2, no. 12, pp. 40–43, Jun. 2025, Accessed: Aug. 22, 2025. [Online]. Available: https://ojs.daarulhuda.or.id/index.php/Socius/article/view/1596
[12] M. Usnaini, V. Yasin, and A. Z. Sianipar, “Perancangan Sistem Informasi Inventarisasi Aset Berbasis Web Menggunakan Metode Waterfall,” Jurnal Manajemen Informatika Jayakarta, vol. 1, no. 1, pp. 36–56, Feb. 2021, doi: 10.52362/jmijayakarta.v1i1.415.
[13] N. L. P. P. Dewi, I. N. Purnama, and N. W. Utami, “Penerapan Data Mining Untuk Clustering Penilaian Kinerja Dosen Menggunakan Algoritma K-Means (Studi Kasus: STMIK Primakara),” Jurnal Ilmiah Teknologi Informasi Asia, vol. 16, no. 2, pp. 105–112, Jul. 2022, doi: 10.32815/JITIKA.V16I2.761.
[14] D. M. Dhani, R. Buaton, and I. G. Prahmana, “Penerapan Metode K–Means Clustering untuk Menentukan Kepuasan Mahasiswa terhadap Fasilitas Sarana dan Prasarana Kampus di STMIK Kaputama Binjai,” Bridge : Jurnal Publikasi Sistem Informasi Dan Telekomunikasi, vol. 2, no. 3, pp. 229–243, Aug. 2024, doi: 10.62951/BRIDGE.V2I3.170.
[15] H. V. Carelsa, R. A. Malik, and D. J. Putra, “Pengukuran Tingkat Kepuasan Mahasiswa Terhadap Pelayanan di Kantin Kampus Menggunakan Algoritma K-Means Clustering,” Journal of Information System and Education Development, vol. 1, no. 2, pp. 6–11, Nov. 2023, Accessed: Oct. 20, 2025. [Online]. Available: https://journal.mwsfoundation.or.id/index.php/jised/article/view/21