Optimasi Cluster pada Algoritma K-Means dengan Reduksi Dimensi Dataset Menggunakan Principal Component Analysis untuk Pemetaan Kinerja Dosen

Abstract

Perguruan tinggi merupakan wahana yang diharapkan mampu menghasilkan sumber daya manusia yang unggul melalui penyelenggaraan pendidikan. Oleh karena itu, setiap perguruan tinggi perlu melakukan evaluasi atas setiap pelaksanaan proses pendidikan dan pengajaran yang dilakukan oleh dosen sebagai bagian tugas dan kewajiban dalam Tri Dharma perguruan tinggi. Pemetaan dosen berdasarkan kinerja dalam melaksanakan proses pendidikan dan pengajaran penting dilakukan untuk mengetahui seberapa banyak dosen yang telah melaksanakan tugas pendidikan dan pengajaran dengan mutu yang baik. Sekaligus mempertimbangkan program-program perbaikan dalam rangka membina para dosen dengan kualitas kinerja kurang baik. Proses pemetaan dapat dilakukan dengan menggunakan salah satu teknik clustering yaitu K-Means. K-Means merupakan algoritma paling populer yang digunakan karena memiliki kelebihan yaitu algoritmanya yang sederhana dan mudah diimplementasikan. Penelitian ini memadukan antara metode PCA dengan K-Means. Metode PCA digunakan untuk mereduksi dimensi dataset sebelum di-cluster menggunakan K-Means. Dataset yang digunakan adalah data kinerja dosen Program Studi Teknik Elektro Universitas Panca Marga Probolinggo yang terdiri dari Inisial dosen, nilai aspek pedagogik, nilai aspek profesional, nilai aspek kepribadian dan nilai aspek sosial. Metode pengukuran Davies-Bouldin (DB) Index digunakan untuk mengukur validitas cluster yang dihasilkan. Nilai DB Index terkecil dihasilkan oleh algoritma K-Means yang diawali dengan reduksi dimensi dataset menggunakan PCA.
Kata kunci: Kinerja dosen, K-Means, cluster, Principal Component Analysis