PEMILIHAN UNIVERSITAS BERDASARKAN HARGA UKT MENGGUNAKAN CLUSTERING K-MEANS DAN EDAS METHOD

Abstract

Perguruan tinggi memiliki peran penting dalam meningkatkan kualitas sumber daya manusia, namun tingginya biaya pendidikan sering menjadi kendala bagi calon mahasiswa dalam melanjutkan studi. Kondisi tersebut menyebabkan perlunya suatu pendekatan yang dapat membantu calon mahasiswa memilih universitas yang memiliki kualitas akademik baik dengan biaya Uang Kuliah Tunggal (UKT) yang terjangkau. Penelitian ini bertujuan untuk mengelompokkan dan memberikan rekomendasi universitas berdasarkan kriteria akreditasi dan biaya UKT menggunakan kombinasi metode K-Means Clustering dan Evaluation Based on Distance from Average Solution (EDAS). Data penelitian diperoleh dari lima perguruan tinggi di Kota Medan dengan fokus pada Program Studi Teknik Informatika. Proses penelitian diawali dengan transformasi data akreditasi ke bentuk numerik, kemudian dilakukan pengelompokan menggunakan algoritma K-Means menjadi dua cluster, yaitu kelompok universitas dengan biaya relatif mahal dan kelompok universitas dengan biaya relatif terjangkau. Selanjutnya, metode EDAS digunakan untuk melakukan perangkingan alternatif berdasarkan nilai Positive Distance from Average (PDA) dan Negative Distance from Average (NDA) dengan bobot kriteria akreditasi sebesar 25% dan UKT sebesar 75%. Hasil penelitian menunjukkan bahwa metode K-Means berhasil mengelompokkan universitas ke dalam dua cluster utama berdasarkan karakteristik biaya dan kualitas akademik. Pada proses perangkingan menggunakan EDAS, Universitas Satya Terra Bhinneka memperoleh nilai Appraisal Score (AS) tertinggi sebesar 1,00 sehingga menempati peringkat pertama sebagai universitas yang paling direkomendasikan karena memiliki kombinasi akreditasi yang baik dan biaya UKT yang relatif rendah. Hasil penelitian menunjukkan bahwa kombinasi metode K-Means dan EDAS mampu memberikan rekomendasi yang objektif dan dapat digunakan sebagai pendukung keputusan dalam pemilihan universitas berdasarkan kualitas akademik dan keterjangkauan biaya pendidikan.

Kata Kunci— Sistem Pendukung Keputusan, K-Means Clustering, EDAS, Universitas, UKT, Akreditasi.

ABSTRACT 

Universities play an important role in improving the quality of human resources; however, the high cost of education often becomes a barrier for prospective students in pursuing higher education. Therefore, an approach is needed to assist students in selecting universities that offer good academic quality at affordable tuition fees (UKT). This study aims to classify and recommend universities based on accreditation and tuition fee criteria using a combination of the K-Means Clustering algorithm and the Evaluation Based on Distance from Average Solution (EDAS) method. The research data were collected from five universities in Medan City, focusing on Informatics Engineering study programs. The process began with transforming accreditation data into numerical values, followed by clustering using the K-Means algorithm into two groups: relatively expensive universities and relatively affordable universities. Subsequently, the EDAS method was applied to rank alternatives based on Positive Distance from Average (PDA) and Negative Distance from Average (NDA) values, with accreditation weighted at 25% and tuition fees at 75%. The results indicate that K-Means successfully classified the universities into two main clusters according to their cost and academic quality characteristics. The EDAS ranking process identified Satya Terra Bhinneka University as the best alternative, achieving the highest Appraisal Score (AS) of 1.00 due to its favorable accreditation and relatively low tuition fees. The findings demonstrate that the combination of K-Means and EDAS provides an objective recommendation model and can be utilized as a decision support tool for selecting universities based on academic quality and educational affordability.

Keywords— Decision Support System, K-Means Clustering, EDAS, University Selection, Tuition Fee, Accreditation.