ALGORITMA K-MEANS UNTUK ANALISIS CLUSTER KINERJA DOSEN PADA BIDANG KEAHLIANNYA DI UNIT PENJAMINAN MUTU FTKI UNIVERSITAS NASIONAL ALGORITMA K-MEANS UNTUK ANALISIS CLUSTER KINERJA DOSEN PADA BIDANG KEAHLIANNYA DI UNIT PENJAMINAN MUTU FTKI UNIVERSITAS NASIONAL
Article Sidebar
Main Article Content
Abstract
Penelitian ini berkaitan dengan analisis data dosen untuk mengevaluasi kinerja dosen pada sekelompok data di beberapa program studi di suatu unit kerja pada Fakultas berdasarkan bidang keahlian dosen. Seiring dengan berkembangnya teknologi dibutuhkan penelitian yang bertujuan untuk membantu seorang pimpinan dalam mengelompokkan data nilai hasil kemampuan dari tiap dosen yang memiliki kemampuan yang beragam berdasarkan beberapa kriteria antara lain bidang keahlian, tingkat pendidikan, lamanya bekerja sebagai dosen , jabatan fungsional, penelitian dan pengabdian pada masyarakat yang sudah menjadi kewajiban seorang dosen dalam kegiatan mengajar di suatu Perguruan Tinggi baik Negeri atau Swasta. Unit Penjaminan Mutu pada Fakultas mempunyai tugas dan wewenang untuk memonitoring dan Evaluasi (Monev) seluruh kegiatan di Fakultas agar tercapai hasil yang sesuai .Algoritma K-Means Clustering akan membuat pengelompokan dosen berdasarkan data nilai kinerja dosen melalui klusterisasi yang ada sehingga memudahkan pihak pimpinan untuk acuan pengambilan keputusan seperti kenaikan jabatan, reward atau punishment dari semua hasil kinerja dari dosen yang bersangkutan. Evaluasi kinerja dosen dapat diambil dari data hasil kuesioner mahasiswa yang menilai kinerja dosen untuk setiap mata kuliahnya berdasarkan bidang keahlian dosen yang bersangkutan. Hasil perhitungan analisis cluster didapat 3 cluster dosen, yaitu : C1 sebagai Cluster dosen tingkat Atas sebesar 16,67% , C2 sebagai cluster dosen tingkat Menengah sebesar 70 % dan C3 sebagai cluster dosen tingkat dasar / pemula sebesar 13,33%.
Article Details
1. Open Access Policy
Articles published in the journal are open-access articles distributed under the terms and conditions of the Creative Commons license. This aligns with international standards for scholarly publishing, ensuring that all research content is freely available online to the global research community without subscription or paywall barriers immediately upon publication.
2. Creative Commons License
Unless otherwise specified, all accepted and published works are licensed under the Creative Commons Attribution-ShareAlike (CC BY-SA) 4.0 International License.
Under this license, users are free to:
Share: Copy and redistribute the material in any medium or format.
Adapt: Remix, transform, and build upon the material for any purpose, even commercially.
Subject to the following terms:
Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
ShareAlike: If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
3. Author Rights & Archiving
Copyright Retention: Authors retain full ownership of the copyright for their published articles without restrictions, granting the journal a non-exclusive license to publish the work as the original publisher of record.
Self-Archiving: Authors are fully permitted to deposit all versions of their manuscript (preprint, accepted manuscript, and final published PDF) into institutional repositories, subject-specific repositories, or on their personal academic websites, provided that proper citation to the journal is maintained.
References
[2] Budi, S., 2007, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis,Teori dan Aplikasi, Graha Ilmu, Yogyakarta.
[3] Aldi N., Much A.M., Miranita K., 2017, Penerapan Algoritma K-Means Untuk Clustering Penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa, Techno.COM, vol 16, hal 17 – 24.
[4] Darmanta S., 2016. Penerapan Data Mining Untuk Kinerja Dosen Menggunakan Metode K-Means Clustering (Studi Kasus di AMIK MAHAPUTRA Riau ), Jurnal PI-Cache, vol 5, hal 55-63.
[5] Iin P., Agus P.W., M. Ridwan Lubis, 2018, Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Assesment Center Untuk Clustering Program SDP, Journal of Computer Engineering System and Science, vol 3, hal 87-93
[6] Sandi S, 2019, Analisis Cluster Menggunakan Algoritma K-Means Untuk Mengetahui Kemampuan Pegawai Di bidang IT Pada CV. Roxed LTD, Jurnal Pelita Informatika, vol 7, hal 341-347