Electronic Theses and Dissertation

Prokrastinasi akademik (academic procrastination) adalah tindakan menunda-nunda dalam memulai mengerjakan tugas akademik, secara sengaja dan berulang kali dilakukan. Perilaku ini tentunya menjadi masalah serius dalam dunia pendidikan karena bisa mempengaruhi kinerja pembelajaran. Penelitian ini bertujuan untuk menganalisis pengaruh perilaku prokrastinasi mahasiswa terhadap nilai akhir yang didapatkan. Pada penelitian ini digunakan data log Moodle yang berisi aktivitas mahasiswa Program Studi S1 Informatika, Universitas Syiah Kuala dalam mengakses e-learning. Data yang digunakan berasal dari tiga mata kuliah yaitu teori bahasa dan automata, pemrograman berorientasi objek, dan basis data dari tahun 2019-2022 dengan total data sebanyak 872 id data. Analisis dilakukan menggunakan algoritma K-means Clustering dengan penentuan jumlah cluster optimal menggunakan metode elbow didapatkan tiga klaster dan menggunakan metode silhouette didapatkan dua klaster. Fitur yang digunakan pada penelitian ini terdiri dari waktu_tidak_aktif, waktu_aktif, waktu_luang, dan nilai. Berdasarkan fitur yang digunakan, hasil clustering menunjukkan bahwa data lebih terkelompok dengan baik dan jelas ke dalam dua klaster. Berdasarkan hasil penelitian, didapatkan kesimpulan bahwa mahasiswa yang cenderung tidak suka menunda-nunda (tidak prokrastinasi) mendapatkan nilai akhir yang lebih bagus dibandingkan dengan mahasiswa yang suka menunda-nunda (prokrastinasi). Mahasiswa yang cenderung menunda mendapatkan dua kemungkinan nilai, yaitu bisa mendapatkan nilai bagus dan bisa mendapatkan nilai buruk

Academic procrastination is the act of procrastinating in starting or completing academic assignments, intentionally and repeatedly. This behavior is certainly a serious problem in the world of education because it can affect learning achievement. This study aims to analyze the influence of students' procrastination behavior on the final grades obtained. In this study, Moodle log data was used which contained the activities of Informatics Study Program students at Syiah Kuala University in accessing e-learning. The data used comes from three courses, namely language and automata theory, object-oriented programming, and databases from 2019-2022 with a total data of 872 id data. The analysis was performed using the K-means clustering algorithm by determining the optimal number of clusters using the elbow method to obtain three clusters and using the silhouette method to obtain two clusters. The features used in this study consist of inactive_time, active_time, spare_time, and grades. Based on the features used, the clustering results show that the data is better and more clearly grouped into two clusters. Based on the results of this study, it was concluded that students who tend not to procrastinate get better final grades compared to students who like to procrastinate. Students who tend to procrastinate get two possible scores, namely they can get good grades and they can get bad grades.