Deteksi Dini Permasalahan Akademik Mahasiswa Menggunakan Algoritma K-Means

Abstract

Penelitian ini bertujuan menganalisis pola akademik mahasiswa menggunakan metode clustering berdasarkan atribut IPK, nilai mata kuliah inti, jumlah SKS, mata kuliah diulang, status cuti, dan semester. Penelitian ini juga mengembangkan sistem informasi berbasis web menggunakan framework Laravel sebagai media implementasi algoritma K-Means sehingga proses pengolahan dan visualisasi data dapat dilakukan secara terintegrasi. Data akademik sebanyak 100 mahasiswa diproses melalui tahap prapemrosesan berupa normalisasi Min-Max, kemudian dikelompokkan menggunakan algoritma K-Means dengan empat cluster. Hasil pengelompokan menunjukkan bahwa setiap cluster memiliki karakteristik akademik yang berbeda, yaitu mahasiswa dengan IPK rendah namun nilai inti tinggi, mahasiswa dengan capaian akademik sedang, mahasiswa yang sering mengambil cuti, serta mahasiswa dengan kecenderungan mengulang mata kuliah dan cuti tinggi. Atribut IPK, nilai inti, dan mata kuliah diulang menjadi indikator utama dalam membedakan kelompok mahasiswa berdasarkan tingkat risiko akademik. Sistem berbasis web yang dibangun mampu menyajikan hasil clustering secara visual dan informatif sehingga dapat dimanfaatkan sebagai alat bantu bimbingan akademik dan deteksi dini permasalahan akademik mahasiswa.