Implementasi Kombinasi Algoritma K-Means dan Naïve Bayes dalam Klasifikasi Bidang Kompetensi Mahasiswa
Penulis Utama
:
Ratih Friska Dwi Andini
NIM / NIP
:
K3520066
×<p>Penelitian ini bertujuan untuk mengevaluasi efektivitas algoritma K-Means dalam melakukan pengelompokan (clustering) dan Naïve Bayes dalam klasifikasi bidang kompetensi mahasiswa. Subjek penelitian adalah mahasiswa program studi Pendidikan Teknik Informatika dan Komputer di Universitas Sebelas Maret, dengan data nilai mata kuliah yang merepresentasikan berbagai bidang kompetensi sebagai fitur. Algoritma K-Means digunakan untuk mengelompokkan data mahasiswa ke dalam beberapa cluster berdasarkan pola nilai akademik, sedangkan algoritma Naïve Bayes digunakan untuk memprediksi cluster data baru berdasarkan hasil clustering. Hasil penelitian menunjukkan bahwa algoritma K-Means sudah cukup efektif dalam mengidentifikasi pola awal kompetensi mahasiswa dengan Silhouette Score sebesar 0.3489, yang berada pada kategori sedang. Sementara itu, kombinasi dengan Naïve Bayes mencapai akurasi sebesar 89%, namun performa klasifikasi ini tidak menunjukkan manfaat tambahan yang signifikan dibandingkan dengan hasil clustering K-Means. Penelitian ini menyimpulkan bahwa penggunaan algoritma K-Means saja sudah cukup untuk mendukung analisis bidang kompetensi mahasiswa, dengan potensi sebagai rekomendasi bagi mahasiswa dalam memilih mata kuliah pilihan serta bahan evaluasi bagi program studi untuk mengidentifikasi bidang kompetensi yang perlu ditingkatkan.</p>
×
Penulis Utama
:
Ratih Friska Dwi Andini
Penulis Tambahan
:
-
NIM / NIP
:
K3520066
Tahun
:
2024
Judul
:
Implementasi Kombinasi Algoritma K-Means dan Naïve Bayes dalam Klasifikasi Bidang Kompetensi Mahasiswa
Edisi
:
Imprint
:
Surakarta - Fak. KIP - 2024
Program Studi
:
S-1 Pendidikan Teknologi Informasi dan Komunikasi
Kolasi
:
Sumber
:
Kata Kunci
:
bidang kompetensi, K-Means, klaterisasi, klasifikasi, Naïve Bayes, nilai mata kuliah
