Clustering Of Students Into A Specialization Of Expertise Using Genetic Algorithms

Abstract

Clustering mahasiswa kedalam keminatan keahlian merupakan salah satu upaya yang perlu dilakukan oleh pihak jurusan untuk menjamin mahasiswa memperoleh pendidikan yang sesuai dengan keahliannya. Saat ini, terdapat banyak metode clustering yang sudah dikembangkan oleh pakar. Umumnya metode clustering mampu mengelompokkan objek-objek yang memiliki tingkat kesamaan ciri yang tinggi, tetapi tidak mampu membatasi jumlah objek yang boleh masuk kedalam suatu kelompok. Kasus klasterisasi mahasiswa kedalam keminatan keahlian merupakan kasus clustering yang membatasi jumlah objek yang boleh masuk kedalam suatu kelompok. Dengan kondisi tersebut, metode clustering yang ada tidak dapat digunakan untuk kasus ini. Peneliti mencoba melihat kasus ini dari sudut pandang optimasi, yaitu bagaimana mengoptimalkan pembentukan kelompok keminatan mahasiswa dengan tingkat ketidaksesuaian bakat yang rendah. Untuk penyelesaian kasus ini, peneliti menggunakan algoritma genetika sebagai metode untuk penyelesaian masalah. Algoritma genetika dibagi kedalam beberapa jenis, yaitu: algoritma genetika dengan prinsip elitisme dan non elitisme , algoritma genetika dengan persentase mutasi 0.01, 0.03 dan 0.05. Berdasarkan penelitian yang dilakukan, diperoleh bahwa algoritma genetika mampu melakukan clustering mahasiswa kedalam keminatan keahlian yang disediakan oleh jurusan. Algoritma genetika dengan prinsip elitisme mampu menemukan solusi optimum yang lebih baik sebesar 39% dibandingkan dengan algoritma genetika non elitisme . Algoritma genetika dengan persentase mutasi 0.05 menghasilkan solusi optimum terbaik, namum memiliki konsumsi waktu yang paling besar dibandingkan dengan persentase 0.01 dan 0.03.