Abstrak Analisis data calon mahasiswa sangat penting bagi perguruan tinggi untuk mendapatkan input mahasiswa yang berkualitas sesuai dengan kebijakan yang ada. Oleh karena itu, pada penelitian ini metode clustering diimplementasikan untuk melakukan pengelompokan terhadap data calon mahasiswa baru pada Fakultas Teknik Universitas Trunojoyo. Algoritma automatic clustering gabungan antara algoritma particle swarm optimization (PSO) dan genetic algorithm (GA) (DCPG) diterapkan untuk memperoleh

more »

... h cluster akhir dan membagi data sesuai karakteristik setiap objek. Algorithm DCPG ini mampu mendapatkan jumlah cluster akhir tanpa adanya input jumlah cluster dari pengguna. Selanjutnya, VI Index diterapkan untuk memvalidasi hasil clustering. Dari percobaan yang dilakukan, jumlah cluster akhir yang diperoleh sebanyak 7 cluster dengan nilai VI indek terkecil 0.1788. Kata kunci: data mahasiswa, automatic clustering, particle swarm optimization, genetic algorithm 1. Pendahuluan Analisis cluster merupakan suatu proses ekplorasi untuk analisis data dimana objek pada sebuah cluster memiliki tingkat kemiripan yang sangat tinggi dan objek pada cluster lainnya memiliki tingkat perbedaan yang tinggi pula. Semakin besar tingkat kemiripan data dalam satu cluster dan semakin tinggi tingkat perbedaan data antar cluster maka semakin baik hasil dari clustering. Permasalahan clustering merupakan teknik klasifikasi tidak terbimbing yang melakukan pembagian data berdasarkan similarity ke dalam kelompok-kelompok berupa cluster tanpa adanya informasi awal (1). Oleh karena itu, metode clustering merupakan teknik yang penting dalam data mining. Pada dasarnya, metode clustering dapat dibagi menjadi hierarchical dan partitional. Pada metode hierarchical, hasil akhir clustering ditampilkan dalam suatu dendogram yang merepresentasikan relasi dan similarity antar subcluster. Metode hierarchical ini terdiri dari dua pendekatan yaitu metode divisive dan agglomerative. Sedangkan metode partitional clustering bekerja secara simultan dengan membagi data untuk mendapatkan cluster tanpa ada tumpang tindih keanggotan sampai suatu kondisi tertentu terpenuhi. Disamping itu clustering juga dapat diklasifikasikan kedalam hard dan soft clustering. Pada hard clustering, data akan dibagi kedalam cluster secara tegas tanpa ada tumpang tindih keanggotaan dengan cluster lainnya. Berbeda dengan soft clustering dimana suatu data dapat dimasukkan kedalam beberapa cluster dengan nilai derajat keanggotaan tertentu. Pada penelitian ini penerapan algoritma clustering menggunakn metode yang termasuk kedalam partitional clustering. Namun, seperti halnya pada metode partitional clustering lainnya, seperti k-means, jumlah cluster akhir harus diinputkan oleh pengguna yang merupakan kelemahan metode ini. Oleh karena itu, mendapatkan jumlah cluster akhir secara otomatis merupakan permasalahan yang cukup komplek, sehingga penggunaan automatic clustering dapat menjadi solusi karena tidak adanya informasi yang lengkap mengenai jumlah cluster akhir. Salah satu metode automatic clustering yang telah diusulkan yaitu algoritma dynamic clustering yang berbasis particle swarm optimization dan genetic algorithm (DCPG) (2). Algoritma ini mampu mendapatkan jumlah cluster akhir secara otomatis dan membagi data kedalam himpunan cluster dengan stabil. Disi lain, analisis data kemahasiswaan pada sebuah Perguruan Tinggi merupakan kebutuhan yang sangat mendesak di level pimpinan. Dengan adanya analisis data-data kemahasiswaan yang handal maka pimpinan akan sangat terbantu dalam mengambil kebijakan-kebijakan strategis khususnya dibidang kemahasiswaan. Oleh karena itu, penelitian ini menerapkan metode automatic clustering menggunakan algoritma DCPG untuk data pendaftar mahasiswa baru jalur SNMPTN pada Fakultas Teknik Universitas 526