ANALISIS BIG DATA BEASISWA KIP-K MENGGUNAKAN K-MEANS CLUSTERING (STUDI KASUS DI UNIVERSITAS PRIMA NUSANTARA BUKITTINGGI)

Pebriyanti, Defi (2025) ANALISIS BIG DATA BEASISWA KIP-K MENGGUNAKAN K-MEANS CLUSTERING (STUDI KASUS DI UNIVERSITAS PRIMA NUSANTARA BUKITTINGGI). Masters thesis, Universitas Putra Indonesia YPTK.

Preview	Text TESIS_231321004_DEFI PEBRIYANTI_ABSTRAK.pdf Download (102kB) | Preview
Preview	Text TESIS_231321004_DEFI PEBRIYANTI_BAB I.pdf Download (129kB) | Preview
Preview	Text TESIS_231321004_DEFI PEBRIYANTI_DAFTAR PUSTAKA.pdf Download (132kB) | Preview
	Text TESIS_231321004_DEFI PEBRIYANTI_FULL TEXT.pdf Restricted to Repository staff only Download (13MB)

Abstract

Program beasiswa Kartu Indonesia Pintar Kuliah (KIP-K) merupakan inisiatif pemerintah untuk memberikan kesempatan pendidikan tinggi kepada mahasiswa dari keluarga kurang mampu. Program ini bertujuan untuk mengurangi kesenjangan akses pendidikan serta meningkatkan kesempatan bagi mahasiswa yang memenuhi kriteria, dalam proses seleksi penerima beasiswa sering menghadapi tantangan, terutama dalam menentukan kelayakan calon penerima beasiswa yang benar-benar membutuhkan bantuan. Meningkatnya jumlah pendaftar setiap tahun, diperlukan pendekatan berbasis Big Data untuk meningkatkan efisiensi dan akurasi dalam proses seleksi penerima beasiswa. Penelitian ini bertujuan untuk menganalisis data penerima beasiswa KIP-K. Penelitian ini menggunakan metode K-Means Clustering guna mengidentifikasi pola serta karakteristik penerima beasiswa. Metode ini dipilih karena kemampuannya dalam mengelompokkan data berdasarkan kesamaan atribut, sehingga dapat memberikan wawasan lebih dalam mengenai profil penerima beasiswa. Dataset yang digunakan dalam penelitian ini diperoleh dari data calon mahasiswa penerima KIP-K di Universitas Prima Nusantara Bukittinggi pada tahun 2024 dengan jumlah data pendaftar beasiswa KIP-K sebanyak 479 orang. Data yang digunakan mencakup berbagai atribut seperti nilai akademik, penghasilan orang tua, jumlah tanggungan keluarga, kepemilikan kartu KIP-K, serta prestasi akademik dan non-akademik. Hasil Penelitian ini menunjukkan bahwa penerima beasiswa dapat dikategorikan berdasarkan kelengkapan persyaratan, nilai akademik diatas 85 serta jumlah tanggungan orang tua lebih dari tiga orang. Berdasarkan penerapan metode ini, seleksi penerima beasiswa dapat dilakukan secara lebih objektif, transparan, dan akurat. Penelitian ini berkontribusi dalam meningkatkan efisiensi serta efektivitas seleksi penerima beasiswa di perguruan tinggi. Pemanfaatan K- Means Clustering, pengalokasian beasiswa dapat dilakukan dengan lebih adil dan tepat sasaran, sehingga mahasiswa yang benar-benar membutuhkan dapat memperoleh manfaat secara optimal

Actions (login required)

View Item