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.