Electronic Theses and Dissertation

Uang kuliah tunggal (UKT) merupakan biaya kuliah yang dibebankan kepada mahasiswa selama satu masa studi. UKT dibebankan dengan mempertimbangkan keadaan sosio-ekonomi dari mahasiswa. Keadaan sosio-ekonomi mahasiswa dilengkapi secara mandiri oleh calon mahasiswa dan berpotensi terhadap data keliru yang mengakibatkan kesalahan klasifikasi keadaan sosio ekonomi tersebut dan mengakibatkan kesalahan penentuan besaran UKT. Ketidaksesuain tersebut dianggap sebagai outlier dan perlu dilakukan pendeteksian. Outlier merupakan data yang memiliki karakteristik yang berbeda dari sebaran data. Penelitian ini bertujuan untuk mendeteksi outlier pada hasil cluster data UKT di Universitas Syiah Kuala (USK). Metode yang dapat diterapkan untuk mencapai tujuan tersebut dengan analisis cluster dan weighted density based outlier detection (WDOD). Analisis cluster bertujuan untuk mengelompokkan data dengan karakteristik yang sama. WDOD bertujuan untuk menghitung nilai weight density dari data. Dalam penelitian ini digunakan nilai threshold sebesar 0,4 sebagai perbandingan nilai weight density untuk mencari data outlier. Hasil analisis yang diperoleh yaitu terdapat outlier pada tiap kelompok hasil cluster dengan 7,35% data merupakan outlier. Terdapat perbedaan karakteristik dari hasil cluster dengan kelompok awal data yaitu pada variabel pekerjaan ibu, pendidikan terakhir ayah, dan pendidikan terakhir ibu untuk kategori 1,4, dan 5, variabel besar ampere meter untuk kategori 3, dan variabel pekerjaan ayah untuk kategori 5. Selain itu, penelitian ini menyimpulkan bahwa variabel pekerjaan ayah dan pekerjaan ibu memiliki karakteristik yang berbeda untuk data outlier pada semua cluster.

Kata kunci: UKT, Outlier, K-modes cluster, WDOD

The single tuition fee (UKT) is a tuition fee charged to students for one study period. UKT is charged by considering the socio-economic circumstances of the students. Socio-economic conditions of students are filled independently by prospective students and have the potential for data being mistaken which results in misclassification of these socioeconomic conditions and results in an error in determining the UKT amount. The incompatibility is considered an outlier and needs to be detected. Outliers are data that have different characteristics from the distribution of data. This study aims to detect outliers in the results of the UKT data cluster at Syiah Kuala University (USK). Methods that can be applied to achieve this goal are cluster analysis and weighted density based outlier detection (WDOD). Cluster analysis aims to group data with the same characteristics. WDOD aims to calculate the value of the weight density of the data. In this study, a threshold value of 0.4 was used as a comparison of the weight density values to find outlier data. The results of the analysis obtained are that there are outliers in each cluster result group with 7.35% of the data being outliers. There are differences in the characteristics of the results of the cluster with the initial group of data, namely on the variables of mother's occupation, father's last education, and mother's last education for category 1,4, and 5, ampere meter variable for category 3, and father’s occupation for category 5. In addition, this study concluded that the variables of father’s occupation and mother’s occupation have different characteristics for outlier data in all clusters. Keywords: Single tuition fee, Outlier, K-modes cluster, WDOD