BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan

dokumen-dokumen yang mirip
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan


BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. membaca sebagai hal yang penting. Dimana dengan membaca wawasan akan

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB I PENDAHULUAN. Perguruan tinggi yang baik dipengaruhi oleh kualitas. mahasiswa di dalamnya. Mahasiswa merupakan objek

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. Dengan kemajuan teknologi informasi sekarang ini, kebutuhan akan

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah

BAB 1 PENDAHULUAN. Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang

Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang Sekolah Menengah Atas (SMA) Negeri 01 Belangkejeren, yang terletak di

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN I.1 Latar Belakang

BAB I PENDAHULUAN A. Latar Belakang

ANALISIS CLUSTER PADA DOKUMEN TEKS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 3 METODE PENELITIAN. Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder.

PENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS

1.2 Tujuan Beberapa tujuan yang ingin dicapai pada penelitian tugas akhir penjadwalan, sebagai berikut.

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam

BAB I PENDAHULUAN. 1.1 Latar Belakang

ANALISIS CLUSTER PADA DOKUMEN TEKS

BAB I PENDAHULUAN. tersebut kadang kala di rasa belum cukup untuk memenuhi keingintahuan. Oleh

BAB I PENDAHULUAN 1.1. Latar Belakang

CLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS

UKDW. BAB I PENDAHULUAN 1.1 Latar Belakang

DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang

Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means

PENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS

BAB 1 PENDAHULUAN. Tabel 1 1. Jumlah mahasiswa baru masing-masing program studi tahun Tahun. Jurusan. Akuntansi - S

IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI MAHASISWA BERDASARKAN PREDIKSI WAKTU KELULUSAN SKRIPSI

BAB I PENDAHULUAN. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada

SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA

1. PENDAHULUAN. Perkembangan teknologi informasi, khususnya teknologi Internet. mudah dan gratis, mengakibatkan informasi berlimpah.

Tipe Clustering. Partitional Clustering. Hirerarchical Clustering

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1. Latar Belakang

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS

BAB I PENDAHULUAN. memperoleh pendidikan adalah dengan mengikuti pendidikan formal. Pendidikan

BAB I PENDAHULUAN. Perkembangan teknologi komputer yang semakin canggih, membuat para ahli

Bab 2 Tinjauan Pustaka

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang

3. METODOLOGI. Penelitian dilakukan dalam tiga tahap utama : Persiapan, Evaluasi

PENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION

BAB I PENDAHULUAN. dari pemikiran-pemikiran manusia yang semakin maju, hal tersebut dapat. mendukung bagi pengembangan penyebaran informasi.

BAB 1 PENDAHULUAN. pemerintahan khususnya bidang pendidikan seperti sekolah dasar.

BAB II LANDASAN TEORI

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. seluruh civitas kampus tersebut. Website sendiri merupakan salah satu bentuk

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. sistem untuk mengolah data - data dan informasi di dalam instansi maupun organisasi

BAB I PENDAHULUAN. kabar, audio visual dan elektronik, tetapi juga sumber-sumber informasi lainnya

BAB 1 PENDAHULUAN. hal yang tumbuh dan berkembang, dahulu komputer hanya dapat digunakan untuk

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN. dinyatakan diterima di di universitas, institut atau akademi, yang masuk dari berbagai

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN Pengantar

Prosiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 2 Desember 2015, Samarinda, Indonesia ISBN :

BAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,

1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian

BAB I PENDAHULUAN 1.1 Latar Belakang

CLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING)

DAFTAR ISI KATA PENGANTAR DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN ABSTRAKSI

MENGELOMPOKKAN SISWA BERPRESTASI AKADEMIK DENGAN MENGGUNAKAN METODE K MEANS KELAS VII MTS HIDAYATUL

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB III K-MEANS CLUSTERING. Analisis klaster merupakan salah satu teknik multivariat metode

BAB III METODOLOGI PENELITIAN

BAB 3 METODE PENELITIAN

BAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran

BAB I PENDAHULUAN. Saat ini di dunia kerja membutuhkan tenaga-tenaga terampil dengan

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan

LABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA. Modul II CLUSTERING

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. Dengan kemajuan teknologi informasi dewasa ini, kebutuhan akan informasi yang akurat

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN 1.1 Latar Belakang Dropout Data mining

BAB I PENDAHULUAN. 1.1 Latar Belakang

UNIVERSITAS BINA NUSANTARA

BAB I PENDAHULUAN. pengembangan pendidikan di bumi nusantara ini adalah sekolah baik sekolah

BAB I PENDAHULUAN Latar Belakang

PENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS

BAB 1 PENGANTAR 1.1. Latar Belakang Masalah 1.2. Rumusan Masalah

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI. studi yang pernah dilakukan yang berkaitan dengan penelitian ini yaitu bisa dilihat

Transkripsi:

BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Berdasarkan Peraturan Pemerintah Nomor 37 tahun 2009, dosen merupakan pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan, dan menyebarluaskan ilmu pengetahuan, teknologi, dan seni melalui pendidikan, penelitian, dan pengabdian kepada masyarakat. Dalam meningkatkan mutu dan kualitas dari mahasiswa, dosen memiliki peranan penting dalam membimbing, mengarahkan dan mengajarkan mahasiswa untuk menjadi lebih baik. Perguruan tinggi baik swasta maupun negeri selalu berupaya meningkatkan status peningkatan mutu/kualitas internal secara berkelanjutan untuk memperoleh peningkatan kualitas dosen. Untuk menjaga kualitas dosen, institusi secara rutin melakukan monitoring dan evaluasi kinerja dosen yang dilakukan unit penjaminan mutu. Dalam monitoring dan evaluasi kinerja dosen, banyak yang dijadikan penilaian yang akan dilakukan institusi salah satu komponen yang digunakan sebagai bahan penilaian oleh institusi adalah kuesioner. Kuesioner sendiri merupakan instrumen pengumpulan data atau informasi yang dioperasionalkan ke dalam bentuk item atau pertanyaan. Penyusunan kuesioner dilakukan dengan harapan dapat mengetahui variable-variabel apa saja yang menurut responden dalam hal ini adalah mahasiswa, merupakan hal yang penting. Penyusunan kuesioner ini memperbaiki bagian-bagian yang dianggap kurang tepat untuk diterapkan dalam pengambilan data terhadap responden. Pada perkembangannya pengisian kuesioner yang diterapkan untuk menilai kualitas proses belajar mengajar di kelas yang memberikan hasil untuk mengetahui tingkat kepuasan mahasiswa terhadap hasil proses belajar mengajar secara keseluruhan, namun hasil tersebut tidak dapat menunjukkan tingkat kepuasan proses mengajar dapat seimbang untuk seluruh mahasiswa dengan kemampuan akademis yang berbeda-beda, sehingga perlu dilakukan pengecekan konsistensi kualitas dosen dari hasil pengisian kuesioner dengan Indeks Prestasi Semester 1

2 sebelumnya (IPSS) mahasiswa, nilai Ujian Akhir Semester (UAS), absensi kehadiran dan Indeks Prestasi Komulatif (IPK) yang merupakan komponen untuk kemampuan akademis mahasiswa. Pengolahan data kuesioner dan pengecekan konsistensinya dengan data akademik diperlukan suatu pendekatan khusus seperti clustering. Clustering merupakan salah satu isu penelitian yang paling penting dalam domain data mining dan sangat berguna untuk banyak aplikasi, seperti pemasaran, teknik industri, biologi, kedokteran, dan image processing (Yang dan Chi, 2005). Clustering juga sebagai salah satu teknik pengenalan pola yang populer dan telah digunakan dalam berbagai bidang, seperti web mining, machine learning, segmentasi citra dan pengenalan biometrik, teknik elektro, teknik mesin, penginderaan jauh, dan genetika (Gu dan Lu, 2012). Clustering adalah pembagian data ke dalam kelompok homogen yang disebut cluster. Setiap kelompok terdiri dari objek yang memiliki kesamaan yang lebih besar antara objek lain dalam kelompoknya sendiri dibandingkan dengan objek dalam kelompok lain (Gu dan Lu, 2012). Permasalahan yang banyak ditemui dalam clustering adalah untuk menentukan jumlah k cluster yang paling tepat atau masalah pemilihan model cluster (Cabanes dan Bennani, 2010). Pendekatan umum dari algoritma clustering adalah untuk menemukan pusat cluster yang akan mewakili setiap kelompok. Sebuah pusat cluster merupakan sebuah cara untuk mengatakan dimana letak titik pusat dari setiap cluster. Pusat cluster memungkinkan pengukuran kesamaan antara data dengan semua pusat cluster sehingga dapat menentukan cluster yang terdekat atau paling mirip. Beberapa algoritma clustering mengandalkan penentuan jumlah cluster terlebih dahulu. Dalam hal ini, algoritma mencoba untuk mengelompokkan data ke dalam sejumlah cluster tertentu. Beberapa contoh algoritma tersebut adalah K-means dan Fuzzy C-Means (Abdullah dan Feranie, 2008). Metode clustering secara umum dapat dibagi menjadi dua yaitu hierarchical clustering dan partitional clustering (Tan, 2011). K-means merupakan metode pengklasteran secara partitioning yang mempartisi data yang ada ke dalam satu atau lebih jumlah cluster. Average lingkage merupakan salah satu metode clustering

3 data hirarki yang menghitung rata-rata jarak kedekatan antar cluster dengan cluster lainnya. Penerapan metode clustering dalam penyelsaian masalah telah banyak dilakukan didalam penelitian-penelitian sebelumnya dengan menggunakan salah satu algoritma cluster misal penerapan k-means clustering atau average clustering, penelitian mengenai clustering dapat digunakan dengan menggabungkan lebih dari satu algoritma clustering (two level clustering atau two stage clustering). Two level clustering menggabungkan baik metode hierarchical clustering konvensional dengan metode partitioning clustering (Chi dan Yang, 2008). Penelitian Chi dan Yang, (2008) dikatakan bahwa tujuan penggunaan two level clustering adalah untuk memperbaiki kelemahan utama dari metode partitional clustering, seperti K-means atau Fuzzy C-Means (FCM). Metode tersebut memiliki kepekaan terhadap prototipe awal dan kesulitan untuk menentukan jumlah cluster k yang sesuai. Pada penelitian ini diusulkan two level cluster untuk mengelompokkan mahasiswa berdasarkan data akademis, sehingga dapat diketahui kelompok mahasiswa yang secara data akademisnya baik, sangat baik atau cukup, kemudian dataset hasil cluster data akademis tersebut diklaster kembali berdasarkan data penilaian kuesioner yang dilakukan mahasiswa untuk setiap cluster yang terbentuk, sehingga dapat diketahui mahasiswa yang memiliki data akademis yang baik juga memberikan hasil penilaian kuesioner yang menunjukkan kepuasan terhadap proses mengajar dosen di dalam pengajaran. Diharapkan dengan pendekatan two level cluster, dimana ditahap pertama cluster akan menggunakan metode k-means clustering untuk mengolah data mahasiswa berupa Indeks Prestasi Semester (IPSS) sebelumnya, Indeks Prestasi Komulatif (IPK), absensi kehadiran mahasiswa dan nilai Ujian Akhir Semester (UAS) untuk membentuk beberapa cluster. Data anggota hasil cluster pada tahap pertama yang telah dikelompokkan akan digunakan dalam cluster tahap kedua dengan metode average lingkage untuk mencari jarak kesamaan antar mahasiswa berdasarkan jawaban-jawaban kuesioner yang telah dinputkan.

4 1.2 Rumusan Masalah Berdasarkan latar belakang diatas dapat dirumuskan suatu permasalahan untuk mengetahui perbedaan tingkat kepuasan mahasiswa dalam pengajaran berdasarkan kemampuan akademis yang dimiliki. 1.3 Batasan Masalah Dalam pelaksanaan penelitian ini, berbagai permasalahan yang muncul dalam konteks objek yang lebih luas akan dibatasi sesuai dengan kebutuhan dan kemampuan sehingga pembahasan penelitian nantinya lebih bisa mencapai tujuan dan sasaran yang diharapkan. Dalam hal ini batasan masalah dalam penelitian ini antara lain: a. Sampel data yang digunakan adalah data hasil penilaian kuesioner yang terdapat di kampus STTA pada beberapa matakuliah. b. Pendekatan k-means clustering untuk membuat beberapa kelompok berdasarkan data IPSS, IPK, absensi perkuliahan dan nilai UAS. c. Pendekatan average linkage clustering untuk menghitung kedekatan jarak antara mahasiswa berdasarkan data-data jawaban kuesioner yang diberikan. 1.4 Tujuan Penelitian Tujuan penelitian ini adalah membangun sebuah aplikasi yang menerapkan pendekatan two level clustering dengan k-means clustering dan average linkage untuk mengetahui perbedaan tingkat kepuasan terhadap proses belajar mengajar dosen berdasarkan data akademis mahasiswa. 1.5 Manfaat Penelitian a. Hasil penelitian ini diharapkan memberikan manfaat bagi bagian penjaminan mutu untuk sebagai pertimbangan untuk meningkatkan kinerja dosen berdasarkan hasil cluster tahap dua, sehingga penilaian kinerja dosen dapat singkron antara variabel penilaian kinerja dosen yang salah satunya adalah kuesioner. b. Penelitian ini dapat digunakan untuk melihat pola pengisian kuesioner yang dilakukan mahasiswa yang memiliki data akademis yang berbeda. Sehingga

5 dapat menjadi koreksi bagi institusi dan dosen dalam metode pembelajaran yang baik untk mahasiswa yang memiliki kemampuan akademis yang berbeda. 1.6 Keaslian Penelitian Bahwa beberapa penelitian mengenai uji reabilitas dengan menggunakan data kuesioner, sejauh ini telah banyak dilakukan dengan berbagai macam metode dan bantuan sotware SPSS. Berdasarkan referensi dan kajian pustaka, penelitian yang diajukan sebagai Tesis S2 Ilmu Komputer Universitas Gadjah Mada Yogyakarta mengenai "Two Level Clustering Untuk Analisis Data Kuesioner Akademik" belum pernah dilakukan. 1.7. Metodologi Penelitian Berikut adalah uraian dari tahapan dan metode yang digunakan dalam penelitian: 1) Pengumpulan Data Pengumpulan data dilakukan dengan dua cara, yaitu studi kepustakaan, observasi dan wawancara. a. Studi kepustakaan Penelitian ini dilaksanakan dengan berpedoman pada studi literatur berupa jurnal penelitian, prosiding, tesis, buku-buku teori dan sumber-sumber lain termasuk informasi yang diperoleh melalui internet. b. Observasi dan Wawancara Pada observasi yang dilakukan adalah mengamati dan mempelajari permasalahan yang ada di lapangan yang berhubungan dengan objek yang diteliti, objek yang diteliti adalah merancang dan membangun aplikasi untuk menerapkan two level clustering dalam menganalisis hasil kuesioner mahasiswa, dengan melihat secara langsung proses penilaian yang dilakukan oleh mahasiswa dan proses penghitungan yang dilakukan penjaminan mutu untuk mendapatkan hasil penilaian kuesioner seluruh mahasiswa. Wawancara dilakukan dengan tanya jawab secara langsung kepada pihak yang memiliki kapasitas dan informasi yang berkaitan dengan objek yang diteliti di kampus Sekolah Tinggi Teknologi Adisutjipto Yogyakarta yaitu

6 yang pertama mahasiswa yang melaksanakan pengisian kuesioner yang memiliki peranan yang penting dan sangat berpengaruh dalam hasil penelitian ini dengan menanyakan beberapa pertanyaan yang berkaitan dengan pengisian kuesioner, yang kedua adalah dosen sebagai pengajar yang berinteraksi langsung dengan mahasiswa dan sebagai orang yang dievaluasi secara langsung berdasarkan hasil kuesioner, dan yang ketiga adalah penjaminan mutu yang pelaksana dari evaluasi kinerja dosen di dalam suatu institusi berkaitan dengan item pertanyaan kuesioner, hasil jawaban kuesioner dan evaluasi terhadap dosen yang mendapatkan penilaian yang baik atau kurang baik. 2) Analisis sistem Beberapa tahapan analisis dan perancangan sistem meliputi : a. Melakukan analisis terhadap sistem yang dilaksanakan di STTA dalam evaluasi kinerja dosen berdasarkan kuesioner. a. Mengklasifikasi item-item pertanyaan yang dibuat penjaminan mutu. b. Klasifikasi ketersedian dosen yang sesuai dengan dengan matakuliah yang diampu. c. Klasifikasi kegiatan akademik mahasiswa dalam satu semester. d. Merancang web based dalm pengolahan cluster kuesioner mahasiswa. e. Merancang basis data yang dibutuhkan sistem. f. Membuat rancangan diagram sistem two level cluster 3) Perancangan sistem Perancangan sistem terdiri dari pengumpulan data (data set berupa data akademik setiap mahasiswa yang merupakan data pembanding dan hasil penilaian kuesioner yang dilakukan mahasiswa dalam beberapa matakuliah untuk cluster selanjutnya), proses dan perancangan interface aplikasi. Data dikumpulkan dari hasil observasi dan wawancara pada tahap sebelumnya. Terdapat dua pengelompokkan data yaitu data akademik mahasiswa berupa nilai UAS, IPK, IPSS dan absensi kehadiran yang akan digunakan dalam tahap cluster pertama, kelompok data yang kedua adalah kelompok data untuk kategori kuesioner yang merupakan item-item pertanyaan yang akan dinilai oleh mahasiswa yang akan digunakan pada

7 tahap cluster kedua. Selanjutnya akan dirancang struktur basis datanya untuk dilakukan pengelolaan pada data-data yang dibutuhkan pada sistem. 4) Implementasi Implementasi program merupakan proses penulisan kode program sampai ke pembangunan basis data. Sistem yang akan dibangun adalah sistem web based dalam proses perhitungan cluster dan hasil cluster keseluruhan. Sistem terdiri dari 2 tahap cluster yang pertama pengambilan data set awal yang berupa data akademik setiap mahasiswa, untuk digunakan dalam proses perhitungan cluster k-means sehingga didapatkan beberapa kelompok yang sesuai berdasarkan uji validitas cluster dengan silhoutte coeficient. Pada tahap kedua data dari hasil clustering k- means akan digunakan pada tahap ini dengan mengambil data hasil penilaian kuseioner yang dilakukan mahasiswa untuk dikelompokkan dengan average lingkage. Pemrograman dilakukan dengan menggunakan PHP dan MySQl dalam membangun system. 5) Pengujian Pengujian dilakukan pada uji hasil cluster dengan menggunakan silhoutte coefficient / index untuk mendapatkan jumlah kualitas cluster yang baik. 1.7. Sistematika Penelitian Sistematika penulisan dari Penelitian ini adalah sebagai berikut: Bab I Pendahuluan Bab ini menguraikan tentang latar belakang, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan ditutup dengan menguraikan sistematika penulisan dari penelitian yang dilakukan. Bab II Tinjauan Pustaka Bab ini berisi tentang penelitian-penelitian yang telah dituliskan dan dipublikasikan dalam berbagai sumber kepustakaan, sebagai bahan referensi dalam pembangunan sistem. Bab III Landasan Teori Bab ini berisi uraian teori-teori dasar berkaitan dengan metode dan alat ukur kualitas hasil yang digunakan dalam penelitian ini. Metode yang digunakan adalah

8 k-means dan average lingkage sedangkan alat ukur yang digunakan adalah Silhoutte Index. Bab IV Analisis dan Rancangan Sistem Bab ini berisi analisis terhadap metode k-means clustering yang digunakan untuk mengelompokkan mahasiswa berdasarkan data akademis dan average lingkage untuk mengelompokkan data mahasiswa berdasarkan hasil penilaian kuesioner kualitas dosen dengan menggunakan data hasil cluster data akademis. Perancangan yang diuraikan dalam bab ini adalah perancangan metode two level clustering, antar muka, dan evaluasi hasil clustering. Bab V Implementasi Bab ini berisi implementasi metode clustering dari hasil analisis dan perancangan ke dalam bahasa pemrograman. Bab VI Hasil dan Pembahasan Bab ini berisi penentuan nilai parameter yang digunakan, hasil two level clustering yang diperoleh, dan hasil validasi cluster. Bab VII Penutup Bab ini berisi kesimpulan yang diperoleh dari hasil penelitian dan saran untuk penelitian selanjutnya.