Implementasi Algoritma K-means Clustering pada Pengelompokan Data Kepuasan Penggunaan E-learning
Abstract
– Selama pandemic covid-19 kegiatan pembelajaran di perguruan tinggi mengalami perubahan, dari yang pembelajaran secara langsung yang dilaksanakan di kelas menjadi pembelajaran secara daring dengan memanfatkan koneksi internet (pembelajaran daring). Selama kegiatan pembelajaran dilakukan secara daring banyak sekali pro dan kontra pada pelaksaan kegiatan dilapangan, sehingga perlu dilakukan penggelompokan mengenai kepuasan mahasiswa pada pelaksaan pembelajaran daring. Tujuan pada penelitian ini adalah untuk melakukan pengelompokan data kepuasan mahasiswa pada pembelajaran daring dengan menggunakan metode k-means. Data yang digunakan dalam penelitian ini adalah data yang dihasilakan dari sebaran angket/kuisioner kepada 185 mahasiswa fakultas Teknik. Pada penelitian ini, penerapan metode K-Means klastering pada aplikasi yang dibuat pada matlab dengan menggunakan 3 klaster. Penelitian ini menggunakan data sebanyak 185 data yang didapatkan dari mahasiwa fakultas teknik Universitas Islam Lamongan. Dari hasil perhitungan aplikasi matlab diperoleh keanggotaan pada klaster adalah sebagai berikut: klaster 1 dengan anggota sebanyak 80 data mahasiswa, klaster 2 beranggotakan sebanyak 23 data mahasiswa dan pada klaster 3 dengan anggota sejumlah 82 data mahasiswa.
References
T. S. J. Arifin, N. Natassa, D. Khoirunnisa, and R. Hendrowati, “The Level of Student Satisfaction with the Online Learning Process During a Pandemic Using the K-means Algorithm,” Inf. J. Ilm. Bid. Teknol. Inf. dan Komun., vol. 6, no. 2, pp. 123–126, 2021, doi: 10.25139/inform.v6i2.3945.
Safriandi, Syahriandi, Radhiah, and Trisfayani, “Keefektifan Perkuliahan Daring Pada Masa Covid-19 Di Prodi Pendidikan Bahasa Indonesia Universitas Malikussaleh,” J. Dedik. Pendidik., vol. 5, no. 1, pp. 187–196, 2021.
Yoyon Arie Budi Suprio and M. Rizky Maulana, “Grouping Student Awareness on Security Of E-Learning Information Using Fuzzy C-Means Method,” Inf. J. Ilm. Bid. Teknol. Inf. dan Komun., vol. 7, no. 1, pp. 33–39, 2022, doi: 10.25139/inform.v7i1.4564.
Nurdin, U. M. P. Nasution, H. A. Aidilof, and Bustami, “Implementation of Fuzzy C-Means to Determine Student Satisfaction Levels in Online learning,” Sist. J. Sist. Inf., vol. 11, pp. 121–136, 2022.
K. D. R. Sianipar, S. W. Siahaan, M. Siregar, F. I. R.H Zer, and D. Hartama, “Penerapan Algoritma K-Means Dalam Menentukan Tingkat Kepuasan Pembelajaran Online Pada Masa Pandemi Covid-19,” J. Teknol. Inf., vol. 4, no. 1, pp. 101–105, 2020, doi: 10.36294/jurti.v4i1.1258.
M. G. Rohman and M. Munif, “Pengembangan E-Learning Menggunakan Moodle Di Universitas Islam Lamongan,” Joutica, vol. 5, no. 1, p. 350, 2020, doi: 10.30736/jti.v5i1.414.
A. F. Khomsah and M. Muassomah, “Penerapan E-learning dalam Pembelajaran Bahasa Arab di Masa Pandemi,” Tarbiyatuna J. Pendidik. Ilm., vol. 6, no. 1, pp. 1–14, 2021, doi: 10.55187/tarjpi.v6i1.4300.
B. Indrayana and A. Sadikin, “Penerapan E-Learning Di Era Revolusi Industri 4.0 Untuk Menekan Penyebaran Covid-19,” Indones. J. Sport Sci. Coach., vol. 2, no. 1, pp. 46–55, 2020, doi: 10.22437/ijssc.v2i1.9847.
R. E. Pawening, “Algoritma K-Means untuk Mengukur Kepuasan Mahasiswa Menggunakan E-Learning,” JoTI, vol. 3, no. 1, pp. 27–33, 2021, doi: 10.37802/joti.v3i1.201.
A. M. Fahim, A. M. Salem, F. A. Torkey, and M. A. Ramadan, “Efficient enhanced k-means clustering algorithm,” J. Zhejiang Univ. Sci., vol. 7, no. 10, pp. 1626–1633, 2006, doi: 10.1631/jzus.2006.A1626.
T. Hardiani, “Analisis Clustering Kasus Covid 19 di Indonesia Menggunakan Algoritma K-Means,” J. Nas. Pendidik. Tek. Inform. …, vol. 11, pp. 156–165, 2022, [Online]. Available: https://ejournal.undiksha.ac.id/index.php/janapati/article/view/45376%0Ahttps://ejournal.undiksha.ac.id/index.php/janapati/article/download/45376/22680
E. Ikhsan, “Penerapan K-Means Clustering dari Log Data Moodle untuk Menentukan Perilaku Peserta pada Pembelajaran Daring,” Sistemasi, vol. 10, no. 2, p. 414, 2021, doi: 10.32520/stmsi.v10i2.1285.
Sugiono, S. Nurdiani, S. Linawati, R. A. Safitri, and E. P. Saputra, “Pengelompokan Perilaku Mahasiswa Pada Perkuliahan E-Learning dengan K-Means Clustering,” J. Kaji. Ilm., vol. 19, no. 2, pp. 126–133, 2019.
P. Alkhairi and A. P. Windarto, “Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara,” Semin. Nas. Teknol. Komput. Sains, pp. 762–767, 2019.
C. Satria and A. Anggrawan, “Aplikasi K-Means berbasis Web untuk Klasifikasi Kelas Unggulan,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 111–124, 2021, doi: 10.30812/matrik.v21i1.1473.
S. Shankar, B. D. Sarkar, S. Sabitha, and D. Mehrotra, “Performance analysis of student learning metric using K-mean clustering approach K-mean cluster,” Proc. 2016 6th Int. Conf. - Cloud Syst. Big Data Eng. Conflu. 2016, pp. 341–345, 2016, doi: 10.1109/CONFLUENCE.2016.7508140.
E. A. Saputra and Y. Nataliani, “Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means,” J. Inf. Syst. Informatics, vol. 3, no. 3, pp. 424–439, 2021, doi: 10.51519/journalisi.v3i3.164.
S. Na, L. Xumin, and G. Yong, “Research on k-means clustering algorithm: An improved k-means clustering algorithm,” 3rd Int. Symp. Intell. Inf. Technol. Secur. Informatics, IITSI 2010, pp. 63–67, 2010, doi: 10.1109/IITSI.2010.74.
D. R. Fajrin, A. Triayudi, and S. Ningsih, “Analisis Faktor yang mempengaruhi Pembelian Makanan secara Online pada Masa Pandemi Covid-19 menggunakan Metode K-Means Clustering (Studi Kasus: Online Shop Bellyboys.id),” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 6, no. 1, pp. 77–84, 2022, doi: 10.35870/jtik.v6i1.390.
I. Purnama Sari and I. Hanif Batubara, “Cluster Analysis Using K-Means Algorithm and Fuzzy C-Means Clustering for Grouping Students’ Abilities in Online Learning Process,” J. Comput. Sci. Inf. Technol. Telecommun. Eng., vol. 2, no. 1, pp. 139–144, 2021, doi: 10.30596/jcositte.v2i1.6504.
W. Dhuhita, “Clustering Menggunakan Metode K-Mean Untuk Menentukan Status Gizi Balita,” J. Inform. Darmajaya, vol. 15, no. 2, pp. 160–174, 2015.
Y. H. Syahputra and J. Hutagalung, “Superior Class to Improve Student Achievement Using the K-Means Algorithm,” SinkrOn, vol. 7, no. 3, pp. 891–899, 2022, doi: 10.33395/sinkron.v7i3.11458.
S. Lesmana et al., “Penerapan k-means dalam efektivitas pembelajaran e-learning pada masa pandemi covid-19,” Semin. Nas. Inform., vol. 2020, no. 1, pp. 100–110, 2020, [Online]. Available: http://www.jurnal.upnyk.ac.id/index.php/semnasif/article/view/4090
M. S. Nawawi and D. Gustian, “Algoritma K-Means Dalam Penentuan Tingkat Kepuasan Siswa Terhadap Pembelajaran Online Di Masa Pandemi,” Semin. Nas. Inform. 2020, vol. 2020, no. Semnasif, pp. 123–133, 2020.
A. B. F. Mansur and N. Yusof, “The Latent of Student Learning Analytic with K-mean Clustering for Student Behaviour Classification,” J. Inf. Syst. Eng. Bus. Intell., vol. 4, no. 2, p. 156, 2018, doi: 10.20473/jisebi.4.2.156-161.
P. Suwito, “Clustering Penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa,” J. Sist. Inf. dan Tek. Komput., vol. 6, no. 2, pp. 122–127, 2021.
G. Abdurrahman, “Clustering Data Ujian Tengah Semester ( UTS ) Data Mining,” J. Sist. Teknol. Inf. Indones., vol. 1, no. 2, pp. 71–79, 2016.
A. R. Rinaldi, L. Surlanto, D. Sudrajat, and D. A. Kurnia, “AnalisaTingkat Kepuasan Mahasiswa Terhadap Layanan Pembelajaran Menggunakan K-Means dan Algoritma Genetika,” J. ICT Inf. Commun. Technol., vol. 18, no. 1, pp. 60–64, 2019, doi: 10.36054/jict-ikmi.v18i1.55.
Copyright (c) 2024 MGhofar Rohman, Kurnia Yahya, Purnomo Hadi Susilo
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
