IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN PERENCANAAN STRATEGI TINGKAT RETENSI MAHASISWA BERDASARKAN TINGKAT KETERTARIKAN BELAJAR (Studi Kasus : Fakultas Teknik Universitas Bengkulu)

Pendidikan tinggi di Indonesia menghadapi tantangan besar dalam mempertahankan retensi
mahasiswa, termasuk di Fakultas Teknik Universitas Bengkulu yang menunjukkan fluktuasi
signifikan jumlah mahasiswa non-aktif pada periode 2021–2024. Penelitian ini bertujuan
untuk menganalisis tingkat ketertarikan belajar mahasiswa sebagai salah satu faktor yang
mempengaruhi retensi dengan menggunakan algoritma K-Means Clustering. Data penelitian
diperoleh melalui kuesioner dari mahasiswa Fakultas Teknik Universitas Bengkulu angkatan
2021–2024 dengan variabel jenis kelamin, IPK, angkatan, jalur penerimaan, jumlah
organisasi, jumlah mata kuliah diajar (asisten praktikum), status pekerjaan, dan tingkat
ketertarikan belajar. Proses analisis dilakukan melalui tahapan preprocessing data,
penerapan K-Means, evaluasi dengan Silhouette Score, serta analisis pertanyaan terbuka.
Hasil evaluasi menunjukkan nilai Silhouette Score sebesar 0,5059 pada k = 2, yang termasuk
dalam kategori Good Structure, sehingga dua klaster yang terbentuk dianggap optimal.
Klaster 0 memiliki karakteristik mahasiswa dengan IPK tinggi, aktif dalam organisasi,
motivasi belajar tinggi, serta mayoritas tidak bekerja. Sementara itu, Klaster 1 didominasi
mahasiswa dengan IPK lebih rendah, lebih banyak yang bekerja, relatif kurang aktif
berorganisasi, namun menunjukkan keterlibatan tinggi sebagai asisten praktikum.
Berdasarkan hasil ini, dirancang strategi peningkatan retensi mahasiswa yang berbeda untuk
masing-masing klaster, meliputi pelatihan manajemen waktu, dukungan akademik,
pengembangan soft skills, peningkatan keterlibatan organisasi, serta bimbingan karier
berbasis akademik. Temuan ini diharapkan dapat menjadi dasar bagi fakultas dalam
merumuskan kebijakan strategis guna meningkatkan retensi mahasiswa dan mengurangi
risiko putus studi.
Kata Kunci: Retensi Mahasiswa, Tingkat Ketertarikan Belajar, K-Means Clustering,
Silhouette Score