Perbandingan Nilai K Metode Davies-Boulding dan Elbow pada Pengelompokan Kinerja Dosen dalam Mengajar

Rosmini Rosmini, Sinawati Sinawati

Abstract


Penilaian kinerja dosen dalam mengajar merupakan aspek yang penting dalam menjamin kualitas Pendidikan Tinggi, namun pendekatan evaluasi yang digunakan belum optimal dalam mengelompokkan performa dosen secara objektif. Penelitian ini menggunakan metode Clustering K-Means, untuk menghasilkan pengelompokan data yang maksimal, perlu penentuan jumlah cluster (K) yang tepat. Penelitian ini memandingkan efektivitas jumlah cluster (K) menggunakan dua metode evaluasi yaitu Elbow dan Davies-Boulding Indeks (DBI) untuk mendapatkan jumlah cluster (K) yang optimal atau ideal dalam pengelompokan penilaian kinerja dosen. Data yang digunakan mencakup total skor penilaian dari kategori Sangat Baik (SB), Baik (B), Kurang (K) dan Sangat Kurang (SK) dari sejumlah dosen. Hasil pengujian menggunakan Rapid Miner menenunjukkan bahwa pemilihan nilai K yang optimal yaitu dengan Metode Elbow hal ini ditunjukkan oleh nilai titik siku (elbow) pada nilai grafik WCSS yang mengindikasikan penurunan variansi yang signifikan hinggak K=4 inilah jumlah cluster yang paling optimal di Elbow. Sedangkan DBI nilai terendah berada di K=10 (0.77), untuk nilai tersebut tidak sesuai dengan tujuan penelitian karena jumlah cluster terlalu banyak untuk kategorisasi penilaian kinerja dosen. Untuk penerapan algoritma K-Means didapatkan hasil cluster _0 dan cluster_1 terdapat 11 dosen, cluster 2 terdapat 1 dosen dan cluster_3 terdapat 3 dosen. Hasil data tersebut bisa dijadikan acuan dalam proses pengembalikan keputusan maupun untuk melakukan evaluasi. 

Keywords


K-Means, Davies-Boulding Index, Elbow, Kinerja Dosen, Data Mining

Full Text:

PDF

References


S. Abudalfa and M. Salem, “An Analysis of Course Evaluation Questionnaire on UCAS Students’ Academic Performance by Using Data Clustering,” 2023, pp. 231–240. doi: 10.1007/978-3-031-08954-1_21.

A. F. I and N. E. D, “Analysis of Elbow, Silhouette, Davies–Bouldin, Calinski–Harabasz, and Rand Index Evaluation on K Means Algorithm for Classifying Flood Affected Areas in Jakarta”.

S. Wang, Y. Sun, and Z. Bao, “On the efficiency of K-means clustering,” Proceedings of the VLDB Endowment, vol. 14, no. 2, pp. 163–175, Oct. 2020, doi: 10.14778/3425879.3425887.

A. Ashabi, S. Bin Sahibuddin, and M. Salkhordeh Haghighi, “The Systematic Review of K-Means Clustering Algorithm,” in 2020 The 9th International Conference on Networks, Communication and Computing, New York, NY, USA: ACM, Dec. 2020, pp. 13–18. doi: 10.1145/3447654.3447657.

C. Shi, B. Wei, S. Wei, W. Wang, H. Liu, and J. Liu, “A quantitative discriminant method of elbow point for the optimal number of clusters in clustering algorithm,” EURASIP J Wirel Commun Netw, vol. 2021, no. 1, Dec. 2021, doi: 10.1186/s13638-021-01910-w.

E. Schubert, “Stop using the elbow criterion for k-means and how to choose the number of clusters instead,” Dec. 2022, doi: 10.1145/3606274.3606278.

F. Ros, R. Riad, and S. Guillaume, “PDBI: A partitioning Davies-Bouldin index for clustering evaluation,” Neurocomputing, vol. 528, pp. 178–199, Apr. 2023, doi: 10.1016/j.neucom.2023.01.043.

I. F. Ashari, E. Dwi Nugroho, R. Baraku, I. Novri Yanda, and R. Liwardana, “Analysis of Elbow, Silhouette, Davies-Bouldin, Calinski-Harabasz, and Rand-Index Evaluation on K-Means Algorithm for Classifying Flood-Affected Areas in Jakarta,” Journal of Applied Informatics and Computing, vol. 7, no. 1, pp. 89–97, Jul. 2023, doi: 10.30871/jaic.v7i1.4947.

Muhammad Raqib Syahkur, D. Hartama, and S. Solikhun, “Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita,” JST (Jurnal Sains dan Teknologi), vol. 13, no. 3, pp. 487–496, Oct. 2024, doi: 10.23887/jstundiksha.v13i3.86419.

P. Vania and B. Nurina Sari, “Perbandingan Metode Elbow dan Silhouette untuk Penentuan Jumlah Klaster yang Optimal pada Clustering Produksi Padi menggunakan Algoritma K-Means,” Jurnal Ilmiah Wahana Pendidikan, vol. 9, no. 21, pp. 547–558, 2023, doi: 10.5281/zenodo.10081332.

M. Sholeh and K. Aeni, “STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Perbandingan Evaluasi Metode Davies Bouldin, Elbow Dan Silhouette Pada Model Clustering Dengan Menggunakan Algoritma K Means.” [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Trave

A. Putri Riani, A. Voutama, and T. Ridwan, “Volume 6 ; Nomor 1,” Januari, pp. 164–172, 2023, [Online]. Available: https://ojs.trigunadharma.ac.id/index.php/jsk/index

R. Ramdani, N. Suarna, I. Ali, and D. I. Efendi, “Penerapan Algoritma K-Means Dalam Analisis Data Kependudukan Untuk Optimalisasi Pengelompokan Di Desa Pasawahan,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi: 10.23960/jitet.v13i1.5639.

S. Haviyola and M. Jajuli, “Pengelompokan Prestasi Siswa Guna Kualifikasi Beasiswa Berdasarkan Data Nilai Menggunakan Algoritma K-Means.”

N. A. Maori, “Metode Elbow Dalam Optimasi Jumlah Cluster Pada K-Means Clustering,” Jurnal SIMETRIS, vol. 14, 2023.

R. Mubarak, S. Defit, and G. W. Nurcahyo, “Algoritma K-Means Clustering Penggunaan Bandwidth Internet (Studi Kasus di Pemerintah Daerah Kabupaten Padang Pariaman),” Explore: Jurnal Sistem Informasi dan Telematika, vol. 14, no. 1, p. 37, Jul. 2023, doi: 10.36448/jsit.v14i1.3037.

N. A. Y. -, L. E. B. -, G. C. H. R. -, M. F. Z. -, A. -, and F. R. -, “Analisis Perbandingan K-Means Dan Dbscan Dalam Pengelompokan Data Travel Review Ratings Menggunakan Evaluasi Silhouette Index Dan Davies-Bouldin Index,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3, Jul. 2025, doi: 10.23960/jitet.v13i3.6884.

L. Bima and A. Prasetya, “Computer Based Information System Journal Clustering Dalam Menentukan Tindak Lanjut Hasil Annual Check Mental Health Dengan Algoritma K-Means,” Cbis Journal, vol. 13, no. 01, 2025, [Online]. Available: http://ejournal.upbatam.ac.id/index.php/cbishttp://ejournal.upbatam.ac.id/index.php/cbis




DOI: http://dx.doi.org/10.36448/jsit.v16i2.4474

Refbacks

  • There are currently no refbacks.


About the JournalJournal PoliciesAuthor Information

Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
e-ISSN: 2686-181X
Website: http://jurnal.ubl.ac.id/index.php/explore
Email: explore@ubl.ac.id
Published by: Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Office: Jalan Zainal Abidin Pagar Alam No 89, Gedong Meneng, Bandar Lampung, Indonesia

This work is licensed under a Creative Commons Attribution 4.0 International License
Technical Support by:  RYE Education Hub