Optimalisasi Jumlah Klaster Uang Kuliah Tunggal pada Data Sosial Ekonomi Mahasiswa

  • Khusniatul Fahriya Program Studi Sistem Informasi, Universitas Negeri Surabaya
  • Wiyli Yustanti Program Studi Sistem Informasi, Universitas Negeri Surabaya
Keywords: Uang Kuliah Tunggal), Clustering, Silhoutte Coefficient

Abstract

UKT (Uang Kuliah Tunggal) adalah sistem pembayaran untuk biaya kuliah Perguruan Tinggi Negeri. Setiap perguruan negeri mempunyai ketentuan UKT yang berbeda-beda. Untuk menentukan tarif UKT mahasiswa dibutuhkan sebuah teknik pengelompokan data. Teknik ini bertujuan agar memudahkan pihak PTN dalam menentukan tarif UKT masing-masing mahasiswa. Teknik tersebut dinamakan dengan clustering. Clustering merupakan pengelompokan data berdasarkan kemiripan. Jika hasil clustering memiliki derajat kemiripan yang tinggi di kelompok klaster yang sama, tetapi derajat kemiripan yang lebih rendah di kelompok klaster yang berbeda maka dapat dikatakan clustering tersebut baik atau optimal. Dengan adanya Clustering maka akan memudahkan untuk mengetahui bagaimana data harus dikelompokkan dengan begitu akan memperoleh gambaran dari kondisi sosial ekonomi mahasiswa yang cukup relatif. Algoritma clustering yang digunakan pada penelitian ini adalah K-Means Clustering, K-Medians Clustering, K-Modes Clustering dan Fuzzy C-Means Clustering. Dengan adanya algoritma-algoritma clustering yang berbeda-beda maka didapatkan jumlah cluster yang optimal adalah 6 cluster. Untuk membuktikannya maka dibutuhkan uji validitas clustering. Pengujian tersebut menggunakan Silhoutte Coefficient. Nilai Silhoutte Coefficient jika mendekati 1, maka jumlah clusternya dapat dikatakan representatif. Dalam pengujian Silhoutte Coefficient mendapatkan jumlah klaster optimalnya adalah 6 cluster dengan nilai sebesar 0.20212705. Sedangkan algoritma yang optimal adalah algoritma K-Means Clustering dengan nilai sebesar 0.1274176.

Published
2021-05-24
Section
Articles