Analisis Clustering Persepsi Santriwati Akhir KMI Terhadap Pengabdian UNIDA Reguler Menggunakan Algoritma K-Means

Miftahuddin Fahmi; Dian Fikrianti; Kharisma Zalza Nurulita

doi:10.53863/kst.v7i02.1866

Penulis

Miftahuddin Fahmi Universitas Darussalam Gontor, Ponorogo, Indonesia
Dian Fikrianti Universitas Darussalam Gontor, Ponorogo, Indonesia
Kharisma Zalza Nurulita Universitas Darussalam Gontor, Ponorogo, Indonesia

DOI:

https://doi.org/10.53863/kst.v7i02.1866

Kata Kunci:

Clustering, CRISP-DM, K-Means, Persepsi, Program Pengabdian

Abstrak

Penelitian ini bertujuan untuk mengelompokkan dan menganalisis persepsi santriwati akhir Kulliyatul Mu’allimat al-Islamiyyah (KMI) terhadap program pengabdian UNIDA Reguler menggunakan algoritma K-Means clustering. Pengelompokan dilakukan untuk mengetahui tingkat penerimaan santriwati secara objektif, efisien, dan transparan sebagai dasar evaluasi serta pengembangan program pengabdian di masa mendatang. Metode penelitian menggunakan kerangka kerja CRISP-DM, meliputi tahapan data understanding, data preparation, modeling, evaluation, dan deployment. Data primer diperoleh dari kuesioner skala Likert lima poin yang diisi oleh 561 responden. Analisis dilakukan melalui pembersihan dan normalisasi data, pemodelan dengan algoritma K-Means, penentuan jumlah klaster optimal menggunakan Elbow Method, dan validasi dengan Silhouette Score. Hasil penelitian menunjukkan jumlah klaster optimal sebanyak tiga, yaitu klaster positif (25%), netral (41%), dan negatif (34%). Klaster positif memiliki motivasi dan sikap tinggi, klaster netral menunjukkan skor sedang dengan aspek sosial lemah, sedangkan klaster negatif rendah di hampir semua variabel, terutama motivasi dan pengalaman. Nilai Silhouette Score sebesar 0,61 menunjukkan bahwa kualitas klasterisasi tergolong baik. Penelitian ini membuktikan bahwa penerapan K-Means clustering efektif dalam memetakan persepsi santriwati secara sistematis dan akurat. Hasilnya memberikan masukan praktis bagi UNIDA untuk memperkuat motivasi, dukungan sosial, serta strategi pembinaan dan pendampingan agar program pengabdian diterima lebih positif

Referensi

Anggraini, F., Suprapta, I., Warno, W., Fahrezi, H., Muhammadiyah, U. S. (2025). Sistem Manajemen Kelas Menggunakan K-Means Clustering untuk Pengelompokan Kelas Unggulan pada Sekolah Dasar Negeri Neglasari. 7(02), 720–738.

Desi, E., Aliyah, S., Lestari, S., & Dari, W. (2022). Implementasi Algoritma K-Means Untuk Penerimaan Siswa Baru Di SMANPAS Berdasarkan Nilai Rapot dan Hasil Tes. It (Informatic Technique) Journal, 10(1) 1-10, https://doi.org/10.22303/it.10.1.2022.01-10

Diah Nilam Cahya, Muslim Hidayat, M. F. A. (2022). Journal of Engineering and Informatic Implementasi Algoritma K-Means Clustering untuk Menentukan Calon. 1(1), 28–34. https://doi.org/10.56854/jei.v1i1.16

Ihsan, N. H., & Fauziah, A. (2024). Pelajaran Nisaiyyah Di Pondok Modern Darussalam.Jurnal Pendidikan Islam,2(3), 370–376.

Kurniawan, H. P., & Farhatuaini, L. (2024). Identifikasi Pola Kepuasan Mahasiswa Terhadap Proses Pembelajaran Menggunakan Algoritma K-Means Clustering. Jurnal Informatika: Jurnal Pengembangan IT, 9(2), 164–172.

Nanda, A. P., Eko, D., & Pramono, H. (2020). Menentukan Tingkat Kepuasan Mahasiswa Terhadap Pelayanan Akademik Menggunakan. Jurnal Sistem Informasi Dan Telematika, 11(1), 23–28.

Nisa, A. H., Hasna, H., & Yarni, L. (2023). Persepsi. Jurnal Multidisiplin Ilmu, 2(4), 213–226. https://koloni.or.id/index.php/koloni/article/view/568/541

Oktarian, S., Defit, S., & Sumijan. (2020). Clustering Students’ Interest Determination in School Selection Using the K-Means Clustering Algorithm Method. Jurnal Informasi Dan Teknologi, 2(3), 68–75. https://doi.org/10.37034/jidt.v2i3.65

SHELEMO, A. A. (2023). Nilai-nilai Panca Jiwa Gontor Dalam Membentuk Karakter Santriwati Akhir. Nucl. Phys., 13(1), 104–116.

Yuma, F. M., Christy, T., & Tasril, V. (2023). Clusterisasi Tingkat Persepsi Mahasiswa Pada Mata Kuliah E-Bisnis. Journal of Science and Social Research, 6(3), 807–812. https://scholar.google.com/citations?view_op=view_citation&hl=en&user=cNhxF7gAAAAJ&pagesize=100&citation_for_view=cNhxF7gAAAAJ:hFOr9nPyWt4C