Sistem pendukung keputusan penentuan kelompok uang kuliah tunggal menggunakan metode k-means clustering

INDONESIA:

Pendidikan merupakan hal yang sangat penting bagi kemajuan suatu bangsa, karena kemajuan dan perkembangan bangsa dapat diukur dari kualitas tingkat pendidikan serta tingkat sumberdaya manusianya (SDM). Pada tahun 2013 pemerintah mulai mengupayakan pemerataan pendidikan di tingkat perguruan tinggi negeri dengan menerapkan system pembayaran baru yang disebut dengan uang kuliah tunggal. Uang kuliah tunggal merupakan penerapan dari sistem subsidi silang yang mana mahasiswa dengan tingkat ekonomi yang tinggi akan mensubsidi mahasiswa dengan tingkat ekonomi yang rendah, hal ini bertujuan agar mahasiswa miskin dapat melanjutkan studi di perguruan tinggi negeri tanpa adanya kendala karena faktor ekonomi.

Untuk mengelompokan mahasiswa berdasarkan tingkat ekonominya dibutuhkanlah aplikasi sebagai pendukung keputusan untuk mengelompokan UKT. Berdasarkan hal tersebut maka penulis mencoba membuat sistem pendukung keputusan untuk menentukan kelompok uang kuliah tunggal dengan menggunakan metode K-means Clustering dengan 9 parameter sebagai inputan yang diambil dari data mahasiswa.

Berdasarkan hasil uji coba, dari 944 data inputan didapatkan hasil pengelompokan dengan perbandingan antara data hasil pengelompokan sistem dengan data yang sebenarnya yaitu 611 data yang sama atau 64.72% dari data UKT yang sebenarnya. Dapat diambil kesimpulan bahwa dari 100 kali iterasi dan dari sekian data yang diuji cobakan, hasil pengelompokannya masih belum akurat 100%.

ENGLISH:

Education is a very important for the nation’s progress , because of the progress and development of a nation can be measured by the quality level of education and the level of human resources (HR). By 2013 the government began to effort fair distribution of education at the State University by implementing a new payment system called single tuition (UKT). UKT is an implementation of cross-subsidy system where students with high economic level will subsidize students with low economic level. it is intended that poor students can continue their studies at state universities without any constraints due to economic factors.

For classification students based on his economic level it is necessary as a decision support application for Classificaton of UKT. Under these conditions, the author tries to make a decision support system for classification of UKT using K-means Clustering with 9 parameters as an input that is taken from the student data.

Based on the experimental results, from 944 data input obtained the results of Calssification by comparison Among the results of classification data systems with real data i.e. 611 similarity data or 64.72% from all of real data. It can be concluded from 100 iterations of 944 data tested, the results of the classification is still not 100% accurate.