Optimasi Algoritme K-Means Untuk Clustering Dosen Berdasarkan Kinerja Akademik Menggunakan Algoritma Genetika Paralel
| Main Author: | Wahyuningtyas, Endah Utik |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/7709/ |
Daftar Isi:
- Tugas utama seorang dosen adalah mengasilkan sumber daya manusia yang berkualitas serta menyelesaikan permasalahan yang ada di masyarakat luas melalui penelitian, pengabdian, dan lain sebagainya. Kompetensi yang dimiliki oleh seorang dosen menentukan kualitas pelaksanaan tridharma perguruan tinggi. Perlu adanya evaluasi kinerja akademik dosen yang dilakukan secara periodik oleh tim penjamin mutu. Evaluasi kinerja akademik dosen bertujuan untuk menjaga mutu institusi, memudahkan dalam pengambilan kebijakan, memberikan treatment yang tepat untuk peningkatan kualitas dosen, serta memudahkan dalam pemberian penugasan terhadap dosen. Setiap dosen bisa jadi memiliki kompetensi yang berbeda antara satu dengan yang lainnya. Oleh sebab itu perlu adanya pengelompokan data terkait dengan kinerja akademik dosen secara optimal. Pada penelitian kali ini, akan dibangun sistem clustering atau pengelompokan terhadap kinerja akademik dosen dengan menggunakan metode k-means clustering. Mengingat metode tersebut memiliki kekurangan yaitu sering mendapatkan klaster yang berbeda-beda karena inisialisasi centroid dilakukan secara random, oleh sebab itu perlu adanya optimasi centroid pada algoritme kmeans. Algoritme genetika paralel dapat digunakan untuk mengoptimasi pusat klaster pada algoritme k-means. Algoritme genetika paralel menggunakan konsep multi populasi tetapi pada penelitian ini hanya akan dijalankan pada prosesor tunggal. Data kinerja akademik dosen yang digunakan dalam penelitian ini sebanyak 25 data dosen yang masih aktif pada Fakultas Ilmu Komputer Universitas Brawijaya. Hasil pengelompokan yang didapatkan menunjukkan bahwa optimasi pusat klaster menggunakan algoritme genetika paralel mendapatkan hasil yang lebih baik dibandingkan hanya dengan metode k-means saja