Penggerombolan Sekolah Dalam Penerimaan Mahasiswa Baru Sekolah Vokasi IPB Jalur USMI Menggunakan Algoritme K-Prototypes

Abstract

Undangan Seleksi Masuk IPB (USMI) merupakan jalur undangan dengan seleksi melalui nilai rapor tanpa tes tulis. Salah satu evaluasi seleksi USMI adalah melakukan pemeringkatan mutu kualitas sekolah melalui pengelompokan sekolah di masing-masing tahun akademik. Dalam penelitian ini digunakan tiga tahun akademik sebagai bahan evaluasi. Metode yang digunakan yaitu analisis gerombol menggunakan algoritme K-Prototypes pada masing-masing tahun akademik. Berdasarkan hasil penelitian, algoritme K-Prototypes menghasilkan tiga gerombol sekolah di masing masing tahun akademik. Secara umum dari ketiga gerombol yang dihasilkan pada masing-masing tahun diperoleh gerombol 1 merupakan kategori sekolah yang memiliki komitmen dan kualitas yang tinggi di setiap tahun akademik. Gerombol 2 merupakan kategori sekolah yang memiliki komitmen dan kualitas tidak lebih besar dari gerombol 1 tetapi di atas gerombol 3 di setiap tahun akademik. Gerombol 3 merupakan kategori sekolah yang memiliki komitmen dan kualitas yang lebih rendah dibandingkan dengan gerombol lain. Hal ini juga dikarenakan sekolah-sekolah yang berada di gerombol 3 sebagian besar hanya berpartisipasi di satu tahun akademik saja. Hasil penggerombolan sekolah menunjukkan bahwa persentase sekolah yang konsisten berada di gerombol yang sama di setiap tahun akademik sebesar 25% dengan persentase distribusi sekolah untuk gerombol 1, sebesar 18% gerombol 2 sebesar 1%, dan gerombol 3 sebesar 6%. Persentase sekolah yang tidak konsisten berada di gerombol yang sama sebesar 75% artinya sekolah yang tidak konsisten tersebut mengalami perpindahan gerombol di setiap tahun akademik.

The IPB Entrance Selection Invitation (USMI) is an invitation route with selection through report cards without a written test. One of the evaluations of the USMI selection is to rank the quality of schools through grouping schools in each academic year. In this study, three academic years were used as evaluation material. The method used is cluster analysis using the K-Prototypes algorithm in each academic year. Based on the research results, the K-Prototypes algorithm produces three school clusters in each academic year. In general, from the three clusters produced in each year, cluster 1 is the category of schools that have high commitment and quality in each academic year. Cluster 2 is a school category that has a commitment and quality not greater than cluster 1 but above cluster 3 in each academic year. Cluster 3 is a school category that has lower commitment and quality compared to other clusters. This is also because the schools in cluster 3 mostly only participate in one academic year. The results of school clustering show that the percentage of schools that are consistently in the same cluster in each academic year is 25% with the percentage of school distribution for cluster 1, 18% for cluster 2, and 1% for cluster 3. The percentage of inconsistent schools being in the same cluster is 75%, meaning that the inconsistent schools experience cluster shifts in each academic year