Penerapan Metode K-Means Clustering untuk Pengelompokan Peminatan Unit Kegiatan Mahasiswa

Abstract

Penelitian ini bertujuan untuk mengelompokkan peminatan Unit Kegiatan Mahasiswa (UKM) menggunakan metode K-Means Clustering sebagai pendekatan berbasis data dalam mendukung pengambilan keputusan di lingkungan perguruan tinggi. Data yang digunakan terdiri dari 20 mahasiswa dengan enam variabel, yaitu minat olahraga, minat wirausaha, minat IT Club, minat LDK, minat Gerakan Mahasiswa Anti Narkoba (GAMAN), dan minat seni, yang diukur menggunakan skala numerik 1–10. Tahapan penelitian meliputi pengumpulan data, preprocessing (cleaning dan normalisasi), penentuan jumlah cluster menggunakan metode Elbow, proses clustering dengan algoritma K-Means, serta evaluasi menggunakan Silhouette Score. Hasil metode Elbow menunjukkan bahwa jumlah cluster optimal adalah K=2. Proses K-Means menghasilkan dua kelompok utama, yaitu cluster pertama yang didominasi oleh mahasiswa dengan minat tinggi pada bidang olahraga dan seni, serta cluster kedua yang didominasi oleh minat pada bidang wirausaha, IT, LDK, dan GAMAN. Hasil evaluasi menunjukkan nilai Silhouette Score rata-rata sebesar 0,73 yang termasuk dalam kategori cukup baik, sehingga menunjukkan bahwa model clustering memiliki kualitas yang tinggi dan mampu memisahkan data secara jelas. Penelitian ini membuktikan bahwa metode K-Means efektif dalam mengelompokkan mahasiswa berdasarkan minat UKM dan dapat digunakan sebagai dasar dalam pengambilan keputusan, seperti penyaluran minat, pengembangan program UKM, serta peningkatan layanan kemahasiswaan. Untuk penelitian selanjutnya, disarankan menambahkan variabel lain agar hasil yang diperoleh lebih komprehensif dan akurat.