Optimasi K-Means untuk Pengelompokan Data Kinerja Akademik Dosen menggunakan Particle Swarm Optimization

Abstrak

Dosen merupakan pengajar dan pembimbing bagi mahasiswa. Selain mengajar dan membimbing, dosen juga diharuskan membantu dalam mengembangkan ilmu pengetahuan serta potensi maupun keahlian pada dirinya sendiri. Variabel atau kriteria yang ada pada dosen meliputi Pendidikan, penelitian, pengabdian, administrasi, dan penunjang. Salah satu kesulitan yang dihadapi pada perguruan tinggi adalah pengelompokan yang ideal penugasan terhadap dosen. Penugasan dosen terkait dengan kepanitiaan, study lanjut, jabatan, pengisi suatu acara yang diselenggarakan dari internal maupun eksternal perguruan tinggi dan lain-lain. Sehingga dibutuhkan sistem yang dapat mengelompokan kinerja akademik dosen menggunakan algoritma K-Means yang dipadukan dengan algoritma Particle Swarm Optimization. Algoritma Particle Swarm Optimization berguna dalam mengoptimalkan centroid pada algoritma K-Means. Data yang digunakan merupakan data dari Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya tahun 2016. Data tersebut diperoleh dari GJM FILKOM. Hasil pengujian dalam penelitian ini memperoleh algoritma K-Means yang dipadukan dengan algoritma Particle Swarm Optimization lebih baik 3.28% dibandingkan dengan algoritma K-Means yang berdiri sendiri, dimana kualitas klaster ditentukan menggunakan metode Silhouette Coefficient.