ANALISIS KLUSTER PENGUKUR TINGKAT KEPUASAN PEMBELAJARAN PROGRAM STUDI TEKNOLOGI INFORMASI TAHUN 2023/2024 DENGAN MENGGUNAKAN METODE K-MEANS

Hasil evaluasi kepuasan mahasiswa terhadap pembelajaran di Universitas Amikom Purwokerto yang selama ini masih disajikan dalam bentuk rekapitulasi nilai sehingga belum mampu menunjukkan pola maupun karakteristik kelompok mahasiswa berdasarkan tingkat kepuasannya. penelitian ini bertujuan untuk mengelompokkan tingkat kepuasan mahasiswa Program Studi Teknologi Informasi menggunakan algoritma K-Means sehingga diperoleh informasi yang lebih rinci sebagai bahan evaluasi peningkatan kualitas pembelajaran. Penelitian menggunakan teknik data mining dengan metode K-Means. Data yang digunakan merupakan hasil kuesioner evaluasi pembelajaran tahun akademik 2023/2024 sebanyak 376 responden yang terdiri atas 10 indikator penilaian dengan lima dimensi kualitas layanan, yaitu Responsibility, Responsiveness, Assurance, Empathy, dan Tangible. Tahapan penelitian meliputi normalisasi data, penentuan jumlah klaster menggunakan metode Elbow, proses clustering menggunakan aplikasi RapidMiner, serta evaluasi hasil menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa jumlah klaster yang optimal adalah dua klaster. Klaster 0 terdiri atas 33 responden dengan kategori kepuasan puas dan Klaster 1 terdiri atas 343 responden dengan kategori kepuasan tidak puas. Hasil analisis menunjukkan bahwa mayoritas mahasiswa berada pada kategori kepuasan tidak puas. Visualisasi menggunakan scatter plot juga memperlihatkan bahwa dua klaster memiliki pola persebaran yang dapat dibedakan dengan cukup baik. Dengan demikian, penerapan algoritma K-Means mampu mengelompokkan data kepuasan mahasiswa berdasarkan karakteristik yang dimiliki sehingga hasilnya dapat dimanfaatkan sebagai bahan evaluasi dalam upaya meningkatkan kualitas pembelajaran di Program Studi Teknologi Informasi Universitas Amikom Purwokerto.