PENERAPAN METODE K-MEANS DAN AVERAGE LINKAGE UNTUK PENGELOMPOKAN PEMINAT PROGRAM STUDI EKSAKTA DI PERGURUAN TINGGI NEGERI BARU PADA SBMPTN 2022

Abstract

Pendirian Perguruan Tinggi Negeri (PTN) baru di wilayah pemekaran berperan penting dalam pemerataan akses pendidikan tinggi, sehingga analisis terhadap pola peminat program studi eksakta menjadi langkah strategis untuk memahami perkembangan PTN tersebut. Penelitian ini menggunakan analisis klaster dengan memetakan daya tampung dan jumlah peminat prodi eksakta di PTN baru pada SBMPTN 2022 menggunakan dua metode klasterisasi, yaitu K-Means dan Average Linkage. Hasil analisis menunjukkan bahwa metode Average Linkage membagi data menjadi dua klaster, dengan klaster pertama berisi lima prodi dari dua PTN, sedangkan klaster kedua mencakup sebagian besar prodi lainnya. Metode K-Means juga menghasilkan dua klaster dengan komposisi berbeda, yaitu 230 prodi pada klaster pertama dan 40 prodi pada klaster kedua. Berdasarkan nilai silhouette coefficient, yaitu 0,6207 untuk Average Linkage dan 0,6776 untuk K-Means, kedua metode menunjukkan struktur klaster yang baik, namun K-Means memberikan hasil yang lebih optimal. Temuan ini memberikan gambaran komprehensif mengenai distribusi minat calon mahasiswa terhadap prodi eksakta di PTN baru dan dapat digunakan sebagai dasar perencanaan daya tampung yang lebih efektif