IMPLEMENTASI K-MEANS CLUSTERING PADA DATA PENGELOMPOKAN PENDAFTARAN MAHASISWA BARU (STUDI KASUS UNIVERSITAS ABDURRAB

Abstrak

Menghadapi dinamika kompleks pendaftaran mahasiswa baru, metode k-means clustering diperkenalkan sebagai pendekatan utama. Fokusnya adalah pada Universitas Abdurrab, di mana diselidiki berbagai atribut calon mahasiswa, termasuk jenis kelamin, pendidikan orangtua, penghasilan orangtua, kota/kabupaten asal, provinsi, usia, dan pilihan program studi. Dengan algoritma k-means clustering, tujuan penelitian adalah mengungkap pola yang mendasari preferensi dan karakteristik kelompok mahasiswa baru. Hasil dari penelitian ini memberikan wawasan mendalam mengenai faktor-faktor yang mempengaruhi keputusan penerimaan mahasiswa baru di lingkungan kampus Universitas Abdurrab. Pada penelitian ini Davies-Bouldin Index (DBI) digunakan sebagai metode untuk menentukan jumlah cluster optimal, nilai DBI terendah adalah 1,5 yang terjadi pada 8 cluster. Hal ini menunjukkan bahwa 8 cluster adalah jumlah cluster optimal untuk data yang telah ditransformasi dan siap dilakukan k-means clustering. Setelah melaksanakan proses clustering dengan metode K-Means yang melibatkan pembentukan 8 cluster, untuk menemjukan pola dan wawasan dari hasil clustering, ada dua cara yang digunakan pada penelitian ini, pertama membuat heatmap korelasi fitur yang ditampilkan, dapat diperoleh informasi mengenai hubungan antar variabel. Nilai korelasi berkisar antara -0.4 hingga 1.0 dimana nilai positif menunjukkan korelasi positif dan nilai negatif menunjukkan korelasi negatif. Korelasi positif berarti bahwa jika nilai salah satu variabel meningkat, maka nilai variabel lainnya juga cenderung meningkat. Sebaliknya, korelasi negatif berarti bahwa jika nilai salah satu variabel meningkat, maka nilai variabel lainnya cenderung menurun.