Analisis Pola Pembayaran UKT Mahasiswa dengan Clustering Menggunakan K-Means dan DBSCAN
Abstract
Penelitian ini bertujuan untuk menganalisis data sosial ekonomi mahasiswa baru sebagai dasar dalam penetapan level Uang Kuliah Tunggal (UKT) secara objektif dan berbasis data. Metode yang digunakan adalah teknik unsupervised learning berupa clustering dengan algoritma K-Means dan DBSCAN. Data yang dianalisis berasal dari isian formulir UKT mahasiswa baru Politeknik Negeri Padang tahun ajaran 2024/2025, yang mencakup informasi penghasilan orang tua, jumlah tanggungan, kepemilikan rumah, dan status bantuan sosial. Hasil analisis menunjukkan bahwa K-Means berhasil mengelompokkan mahasiswa ke dalam tiga klaster dengan rata-rata penghasilan dan UKT yang selaras. Klaster dengan penghasilan tertinggi cenderung berada pada level UKT 7 dan 8, sedangkan klaster dengan penghasilan lebih rendah terkonsentrasi pada level UKT menengah. Sementara itu, metode DBSCAN hanya menghasilkan satu klaster valid dengan banyak data teridentifikasi sebagai noise, menunjukkan keterbatasannya dalam menangani dataset kecil dan homogen. Kesimpulan dari penelitian ini adalah bahwa metode K-Means lebih sesuai digunakan sebagai alat bantu dalam mengevaluasi dan meninjau ulang kebijakan UKT secara objektif berdasarkan data sosial ekonomi mahasiswa.
Keywords
Full Text:
PDFReferences
Adha, R., Nurhaliza, N., Sholeha, U., & Mustakim, M. (2021). Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia. SITEKIN: Jurnal Sains, Teknologi Dan Industri, 18(2), 206–211. https://ejournal.uin-suska.ac.id/index.php/sitekin/article/view/12469
Atma, Y. A., & Montesori, S. (2022). Analisis Data Mining Untuk Menentukan Profit Perusahaan Menggunakan Metode K-Means. Device : Journal of Information System, Computer Science and Information Technology, 3(2), 29–36. https://doi.org/10.46576/device.v3i2.2699
Darmi, Y. D., & Setiawan, A. (2017). Penerapan Metode Clustering K-Means Dalam Pengelompokan Penjualan Produk. Jurnal Media Infotama, 12(2), 148–157. https://doi.org/10.37676/jmi.v12i2.418
Lashiyanti, A. R., Rasyid Munthe, I., Nasution, F. A., & Korespondensi, E. P. (2023). Optimisasi Klasterisasi Nilai Ujian Nasional dengan Pendekatan Algoritma K-Means, Elbow, dan Silhouette. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI, 6(1), 14–20.
Monko, G. J., & Kimura, M. (2023). Optimized DBSCAN Parameter Selection: Stratified Sampling for Epsilon and Gridsearch for Minimum Samples. 43–61. https://doi.org/10.5121/csit.2023.132004
Mutiah, S., Hasnataeni, Y., Fitrianto, A., & Jumansyah, L. M. R. D. (2024). Perbandingan Metode Klastering K-Means dan DBSCAN dalam Identifikasi Kelompok Rumah Tangga Berdasarkan Fasilitas Sosial Ekonomi di Jawa Barat. 09(September), 247–260.
Nur, A., Maulidhia, A., Ika, I., Friska, W., Sukarno, I., & Basya, R. (2025). Implementasi Perbandingan Algoritma k-Means dan DB-Scan Pada Beban Listrik Rumah Tangga. INTEGER: Journal of Information Technology, 10(1), 85–94.
Ramadha, N. S., & Nursafitri, W. N. (2024). Analisis Klasifikasi UKT Mahasiswa Berdasarkan Tingkat Penghasilan Orang Tua Menggunakan Algoritma C4.5. Inventor: Jurnal Inovasi Dan Tren Pendidikan Teknologi Informasi, 2(1), 1–9. https://www.ejournal.tsb.ac.id/index.php/inventor/article/view/1248
Renaissance, L. E. X. (2024). Rekonstruksi Kebijakan Hukum Kenaikan Uang Kuliah Tunggal Berdasarkan Tanggung Jawab Konstitusional Negara. 9(12), 394–422.
Retnoningsih, Y. D., & Marom, A. (2017). Analisis Kebijakan Penyelenggaraan Pendidikan Berbasis Uang Kuliah Tunggal Bagi Perguruan Tinggi Negeri Fakultas Ilmu Sosial Dan Ilmu Politik Universitas Diponegoro Semarang Jawa Tengah. Journal of Public Policy and Management Review, 6(2), 1–14.
Saputra, A., & Yusuf, R. (2024). Perbandingan Algoritma DBSCAN dan K-MEANS dalam Segmentasi Pelanggan Pengguna Transportasi Publik Transjakarta Menggunakan Metode RFM. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(4), 1346–1361. https://doi.org/10.57152/malcom.v4i4.1516
DOI: https://doi.org/10.46576/device.v6i1.6398
Article Metrics
Abstract view : 7 timesPDF – 1 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Yori Adi Atma, Harfeby Fryonanda, Taruma Leo Wijaya

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY
Terindeks pada:
Member Of :
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY
Published by :FAKULTAS TEKNIK DAN ILMU KOMPUTER
PROGRAM STUDI SISTEM INFORMASI
UNIVERSITAS DHARMAWANGSA
Alamat : Jl. K. L. Yos Sudarso No. 224 Medan
Kontak : Tel. 061 6635682 - 6613783 Fax. 061 6615190
E-mail : admin_device@dharmawangsa.ac.id
Device : Journal Of Information System, Computer Science And Information Technology by Universitas Dharmawangsa is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Based on a work at http://jurnal.dharmawangsa.ac.id/index.php/device