Analisis Optimalisasi Capaian QS Asia University Ranking Program Studi di Kabupaten Jember menggunakan K-Means Clustering

Abstract

Penelitian ini menganalisis optimalisasi pemeringkatan QS Asia University Ranking pada 171 program studi di Kabupaten Jember menggunakan algoritma Weighted K-Means Clustering. Data dari sembilan indikator utama QS distandarisasi dengan Z-Score dan dibobotkan sesuai standar metodologi resmi. Penentuan jumlah cluster optimal (K=9) divalidasi secara objektif melalui teknik Triangulasi Metrik (Elbow Method, Silhouette Score, dan Calinski-Harabasz Index), serta divisualisasikan melalui reduksi Principal Component Analysis (PCA) yang terbukti mempertahankan 62.29% variansi informasi asli. Hasil clusterisasi membagi populasi ke dalam 9 cluster berkarakteristik spesifik. cluster 0 (5 program studi) teridentifikasi sebagai kelompok paling matang dan siap, dengan capaian positif pada tiga indikator berbobot tertinggi (FSR, IRN, dan CPP). Sebaliknya, mayoritas populasi terkonsentrasi di cluster 2 (71 program studi) yang terjebak di "zona pasif" dengan defisit capaian di bawah rata-rata pada hampir seluruh indikator. Lebih lanjut, algoritma secara efektif memetakan distribusi keunggulan parsial, seperti cluster 4 yang menjadi ujung tombak pada dampak sitasi riset (CPP), serta mengisolasi anomali capaian ekstrem (outlier tunggal) pada cluster 5 untuk jejaring riset internasional (IRN) dan cluster 8 untuk produktivitas publikasi (PPF). Secara keseluruhan, hasil analisis ini membuktikan bahwa capaian pemeringkatan institusi di Kabupaten Jember belum merata, sehingga menuntut perumusan kebijakan strategis yang secara spesifik disesuaikan dengan profil kekuatan dan kelemahan di masing-masing cluster.