Priyambada, Satrio Adi (2018) Analisis Evolusi Cluster Berdasarkan Trace-segmented Pola Pengambilan Mata Kuliah Mahasiswa. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211650010024-Master_Thesis.pdf - Accepted Version Download (14MB) | Preview |
Abstract
Curriculum mining merupakan salah satu cara untuk menilai perilaku belajar mahasiswa selama masa studi dibandingkan dengan pedoman kurikulum. Penelitian yang telah ada mengembangkan pendekatan sequence matching analysis untuk memeriksa kesesuaian perilaku belajar mahasiswa terhadap pedoman kurikulum. Penelitian berikutnya, data yang terbentuk di-cluster sehingga menghasilkan cluster profile yang dapat dilihat perbedaan antara cluster yang satu dengan cluster yang lain, baik menurut nilai maupun pengambilan mata kuliah. Namun, kedua penelitian tersebut belum dapat melihat pergerakan dan perubahan perilaku mahasiswa dari semester ke semester. Padahal, sepanjang proses perkuliahan mahasiswa mungkin saja mengalami perubahan pengambilan mata kuliah tiap semesternya. Hal ini merupakan hal yang penting untuk diamati oleh pengelola program studi untuk mengetahui pada semester berapakah mahasiswa mengalami perubahan karakteristik pengambilan mata kuliah dan bagaimana pengaruhnya pada prestasi belajar mahasiswa tersebut. Cluster evolution analysis (CEA) adalah metode untuk mengolah dan menganalisis data yang memperhatikan waktu. Metode ini dapat mengidentifikasi pola migrasi dari cluster satu ke cluster lain dari waktu ke waktu. Maka dalam penelitian ini data Sequence Matching Analysis akan diolah dan dianalisis menggunakan metode CEA sehingga menjadi sebuah metode baru. Metode clustering yang digunakan adalah algoritma k-means. Algoritma ini dipilih karena merupakan algoritma yang menggunakan centroid dalam proses clustering yang dibutuhkan pada salah satu proses CEA.
Kelompok mahasiswa yang terbentuk dari kesuaian pola pengambilan mata kuliah memiliki jumlah yang berbeda pada setiap semesternya. Pada semester awal dan akhir memiliki lebih sedikit kelompok mahasiswa dibandingkan dengan semester pertengahan. Mahasiswa berpindah dari suatu kelompok pola pengambilan mata kuliah dapat meningkat, tetap maupun menurun dalam arti kesesuaiannya dengan pedoman kurikulum. Mahasiswa yang lulus tepat waktu cenderung memiliki perpindahan kelompok yang meningkat dan tetap, sedangkan mahasiswa yang drop out cenderung memiliki perpindahan kelompok yang tetap dan terus menurun.
============================================================
Curriculum mining is emerging research to assess students’ learning behavior during the study period compared to the curriculum guidelines. Existing research has been developed, sequence matching alignment approach to check the conformity of students’ learning behavior with curriculum guidelines. Another research, the data formed in the cluster to create clusters’ profile that can be seen the difference between one cluster with another, either by GPA or students’ learning behaviors. However, both studies have not been able to see the migration and changes in students’ learning behavior from semester to semester. In fact, throughout the study period, students may changes in the course taking for each semester. This is an important thing to be observed by the managers of the department to find out in the semester how many students have changed the characteristics of taking the course and how its impact on student achievement. Cluster evolution analysis (CEA) is a method for processing and analyzing timely data. This method can identify migration patterns from one cluster to another from time to time. So in this research Sequence Matching Analysis data will be processed and analyzed using CEA method so it becomes a new method. The clustering method used is k-means algorithm. The algorithm is chosen because it is an algorithm that uses the centroid in the clustering process required in one of the CEA processes.
The cluster of students formed from the pattern of course taking has a different number of cluster each semester. In the early and late semesters have fewer student clusters than the mid semester. Students migrate from a group of course-taking patterns may improve, preservation or decline in the meaning of conformity with curriculum guideline. Students who graduate on time tend to have improved and steady group migrations, whereas drop out students tend to have constant and declining group migrations.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Educational Process Mining; Sequence Matching; Cluster Evolution Analysis |
| Subjects: | T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.62 Decision support systems |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 59101-(S2) Master Thesis |
| Depositing User: | Satrio Adi Priyambada |
| Date Deposited: | 12 Jul 2021 23:09 |
| Last Modified: | 12 Jul 2021 23:09 |
| URI: | http://repository.its.ac.id/id/eprint/55274 |
Actions (login required)
 |
View Item |