Penerapan Algoritma K-Mean untuk Menentukan Tingkat Kepuasan Mahasiswa Terhadap Sistem Online Learning Uhamka (OLU)

subhan ajiz awalludin, m.sc.;

Luffy Ardiansyah: 1801105047. “Penerapan Algoritma K-Mean untuk Menentukan Tingkat Kepuasan Mahasiswa Terhadap Sistem Online Learning Uhamka (OLU)”. Skripsi. Jakarta: Program Studi Pendidikan Matematika Fakultas Keguruan dan Ilmu Pendidikan, Universitas Muhammadiyah Prof DR. Hamka, 2023.
Pandemi Covid-19 memiliki dampak negatif pada manusia tidak hanya kesehatan tetapi juga dalam ekonomi, sosial, dan pendidikan. Sekolah-sekolah dan perguruan tinggi ditutup sehingga pembelajaran yang semula dilaksanakan dengan tatap muka dialihkan menjadi pembelajaran jarak jauh (PJJ). Pelaksanaan PJJ dapat dilaksanakan secara synchronous dan asynchronous. Adanya hambatan dalam pembelajaran menggunakan sistem LMS Online Learning Uhamka (OLU) yaitu keefektifan pada penggunaan Online Learning Uhamka (OLU) dan penerapan algoritma k-means untuk mengetahui tingkat kepuasan mahasiswa terhadap sistem Online Learning Uhamka (OLU) serta keandalan algoritma k-means dalam mengklaster.Salah satu teknik untuk mengukur tingkat kepuasan adalah dengan menggunakan teknik clustering. Keunggulan teknik clustering mudah untuk diadaptasi, diimplikasikan dan dijalankan serta umum digunakan pada berbagai bidang. Salah satu teknik clustering yang sering digunakan adalah algoritma k-means. Banyak klaster yang digunakan dalam algoritma k-means sebanyak 2 klaster. Hasil klastering menggunakan algoritma kmeans menunjukkan 309 responden tergolong klaster 1 yaitu puas dan 94 responden tergolong klaster 2 yaitu tidak puas. Indikator yang digunakan untuk menilai kepuasan yaitu kemudahan penggunaan (usability), kualitas konten (content quality), kualitas interaksi (interaction quality). Dari ketiga indikator penilaian yang memiliki nilai terendah adalah indikator kualitas interaksi (interaction quality) dengan nilai centroid pada klaster 1 yaitu 19,33980583 dan nilai centroid pada klaster 2 yaitu 14,08510638. Hasil uji keandalan algoritma kmeans dengan menghitung nilai index Davies Bouldin sudah cukup baik dalam mengklaster data. Nilai index Davies Bouldin sebesar 0,3806830859.