PENERAPAN K-MEANS++ UNTUK PENGELOMPOKAN MAHASISWA BERPOTENSI DROP OUT
STUDI KASUS: UNIVERSITAS IBN KHALDUN BOGOR
Abstract
Drop out (DO) adalah fenomena penghentian atau pemutusan hubungan studi mahasiswa pada suatu perguruan tinggi yang disebabkan oleh beberapa faktor yang ditentukan oleh universitas tersebut. Fenomena ini merupakan masalah serius karena dapat berdampak pada kualitas perguruan tinggi. Penelitian ini bertujuan untuk mengidentifikasi dan mengelompokkan mahasiswa yang berpotensi drop out (DO) di Universitas Ibn Khaldun Bogor menggunakan algoritma K-Means++. Data yang digunakan merupakan data akademik dari 842 mahasiswa Teknik Informatika angkatan 2016 – 2022, dengan 84 diantaranya berstatus berpotensi drop out. Metode yang digunakan dalam penelitian ini adalah K-Means++ clustering, yang merupakan pengembangan dari algoritma K-Means clustering. K-Means++ clustering digunakan untuk mengatasi kekurangan k-means dalam hal efisiensi waktu dengan menentukan nilai awal centroid secara lebih cerdas, sehingga dapat mengurangi waktu pemrosesan. Hasil penelitian menunjukkan tiga cluster berpotensi DO: (T) tinggi, (S) sedang, dan (R) rendah, dengan mempertimbangkan faktor seperti IPK, jumlah SKS, aktivitas mahasiswa, penghasilan orang tua, dan jalur biaya. Hasil menunjukan faktor berpengaruh ialah IPK, Jumlah Aktif, dan SKS, sedangkan faktor yang tidak berpengaruh ialah Jalur Biaya dan Penghasilan Orang Tua