[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-id-113":3,"doc-seo-231590-113":53,"doc-detail-231590-id":131},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45,49],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},55,"Document","Agama & Spiritualitas",60,"religion-spirituality",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},48,"Cerita & Novel","story-novel",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},56,"Gaya Hidup","lifestyle",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},51,"Komik","comic",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},53,"Layanan Kesehatan","healthcare",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},54,"Penelitian & Laporan","research-report",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},49,"Sastra","literature",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},52,"Teknologi","technology",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},50,"Ujian","exam",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},57,"Umum","general",{"id":50,"doc_module":4,"doc_module_name":9,"category_name":51,"show_sort_weight":4,"slug":52},181,"Formulir","formulir",{"code":4,"msg":54,"data":55},"ok",{"site_id":56,"language":57,"slug":58,"title":59,"keywords":60,"description":61,"schema_data":62,"social_meta":124,"head_meta":126,"extra_data":128,"updated_unix":130},113,"id","quality-of-public-universities-ptn-clustering-with-gaussian-mixture-model-gmm","Kualitas Perguruan Tinggi Negeri (PTN) - Pengelompokan dengan Gaussian Mixture Model (GMM)","","Kualitas Perguruan Tinggi Negeri (PTN) menjadi indikator penting dalam peningkatan mutu pendidikan tinggi di Indonesia, namun masih terjadi ketimpangan antar PTN khususnya di Pulau Sumatera. Data indikator kualitas bersifat kontinu dan numerik, sehingga dapat dimodelkan menggunakan Gaussian Mixture Model (GMM) sebagai kombinasi beberapa distribusi Gaussian. Sebelum clustering dilakukan standarisasi variabel dan pengujian asumsi, lalu estimasi parameter dilakukan dengan algoritma Expectation–Maximization hingga konvergen. Hasil menunjukkan PTN Sumatera dapat dikelompokkan menjadi 3 cluster: Kualitas Baik, Kualitas Baik Sekali, dan Kualitas Unggul, yang mencerminkan perbedaan karakteristik kualitas dan menjadi dasar rekomendasi kebijakan peningkatan mutu.",{"@graph":63,"@context":123},[64,81,102],{"@type":65,"itemListElement":66},"BreadcrumbList",[67,72,75,78],{"item":68,"name":69,"@type":70,"position":71},"https://docshare.wps.com","Home","ListItem",1,{"item":73,"name":9,"@type":70,"position":74},"https://docshare.wps.com/id/document/",2,{"item":76,"name":31,"@type":70,"position":77},"https://docshare.wps.com/id/document/penelitian-laporan/",3,{"item":79,"name":59,"@type":70,"position":80},"https://docshare.wps.com/id/document/quality-of-public-universities-ptn-clustering-with-gaussian-mixture-model-gmm/231590/",4,{"url":79,"name":59,"@type":82,"image":83,"author":88,"headline":59,"publisher":91,"fileFormat":94,"inLanguage":57,"description":61,"dateModified":95,"datePublished":96,"encodingFormat":94,"isAccessibleForFree":97,"interactionStatistic":98},"DigitalDocument",{"url":84,"@type":85,"width":86,"height":87},"https://docshare.wps.com/thumbnails/quality-of-public-universities-ptn-clustering-with-gaussian-mixture-model-gmm/231590.png","ImageObject",300,407,{"name":89,"@type":90},"Chloe Bennett","Person",{"url":68,"name":92,"@type":93},"DocShare","Organization","application/pdf","2026-09-30","2026-09-10",true,{"@type":99,"interactionType":100,"userInteractionCount":80},"InteractionCounter",{"@type":101},"ViewAction",{"@type":103,"mainEntity":104},"FAQPage",[105,111,115,119],{"name":106,"@type":107,"acceptedAnswer":108},"Mengapa kualitas PTN perlu dikelompokkan berdasarkan indikator kualitas?","Question",{"text":109,"@type":110},"Karena masih ada ketimpangan kualitas antar PTN yang dapat memengaruhi pemerataan mutu dan daya saing. Pengelompokan membantu menyesuaikan strategi peningkatan mutu sesuai kebutuhan tiap kelompok.","Answer",{"name":112,"@type":107,"acceptedAnswer":113},"Bagaimana data indikator kualitas PTN dimodelkan dalam penelitian ini?",{"text":114,"@type":110},"Data indikator kualitas bersifat kontinu dan bernilai numerik, sehingga dimodelkan menggunakan Gaussian Mixture Model (GMM) sebagai kombinasi beberapa distribusi Gaussian.",{"name":116,"@type":107,"acceptedAnswer":117},"Apa algoritma yang digunakan untuk mengestimasi parameter model pada GMM?",{"text":118,"@type":110},"Algoritma Expectation–Maximization (EM) digunakan setelah standarisasi data dan pengujian asumsi yang diperlukan, sampai mencapai konvergensi.",{"name":120,"@type":107,"acceptedAnswer":121},"Berapa jumlah cluster yang dihasilkan untuk PTN di wilayah Sumatera dan apa maknanya?",{"text":122,"@type":110},"Dihasilkan 3 cluster: Cluster 1 (Kualitas Baik), Cluster 2 (Kualitas Baik Sekali), dan Cluster 3 (Kualitas Unggul). Masing-masing membedakan PTN berdasarkan pola nilai indikator seperti akreditasi, jumlah dosen S3/dosen tetap, lulusan, dan mahasiswa aktif.","https://schema.org",{"og:url":79,"og:type":125,"og:title":59,"og:site_name":92,"og:description":61},"article",{"robots":127,"canonical":79},"index,follow",{"doc_id":129,"site_id":56},231590,1789065984,{"code":4,"msg":5,"data":132},{"doc_id":129,"user_id":133,"nickname":89,"user_avatar":134,"doc_module":4,"category_id":30,"category_name":31,"doc_title":59,"doc_description":61,"doc_content":135,"file_id":136,"file_url":137,"file_type":138,"file_size":139,"view_count":80,"is_deleted":4,"is_public":71,"is_downloadable":71,"audit_status":71,"page_count":80,"language":140,"language_code":57,"site_id":56,"html_lang":57,"table_of_contents":141,"faqs":142,"seo_title":143,"seo_description":61,"update_tm":130,"read_time":144},962084925782,"https://ap-avatar.wpscdn.com/davatar_9964176cb1d06d4a9deccf72a44ae3dc","RINGKASAN  \nKualitas Perguruan Tinggi Negeri (PTN) menjadi indikator penting dalampeningkatan mutu pendidikan tinggi di Indonesia. Namun, Masih terdapat ketimpangan kualitas antar PTN terutama dipulau Sumatera, dimana sebagian berada di bawah standar nasional, sementara sebagain lainnya telah memenuhi bahkan melampaui standaryang ditetapkan. Kondisi ini berpotensi memengaruhipemerataan kualitas dan daya saing perguruan tinggi, sehingga perlu dilakukan identifikasi pola kemiripan dan perbedaan karakteristik kualitas institusi. Salah satu pendekatan yang digunakan adalah pengelompokan PTN berdasarkanindikator kualitasnya, sehingga strategi peningkatan mutu dapat disesuaikandengan kebutuhan masing-masing kelompok.  \nData indikator kualitas PTN bersifat kontinu, berupa data numerik yang dapat mengambil berbagai nilai dalam rentang tertentu, termasuk desimal, dantidak terbatas pada kategori tertentu, seperti jumlah program studi terakreditasi Unggul atau A, rasio dosen terhadap mahasiswa, jumlah publikasi ilmiah, jumlah dosen bergelar S3, sertajumlah mahasiswa aktif. Data ini tidak selalu mengikuti satu pola distribusi normal tunggal, sehingga dapat dimodelkan menggunakan Gaussian Mixture Model (GMM), yang merepresentasikan data sebagai kombinasi beberapa distribusi Gaussian. Sebelum analisis clustering, data distandarisasi untuk menyamakan skala variabel, kemudian diuji asumsi yang diperlukan, dan proses pengelompokan dilakukan dengan algoritma Expectation–Maximization (EM) untuk mengestimasi parameter model hingga mencapai konvergensi.  \nHasil penelitian menunjukkan bahwa perguruan tinggi negeri di wilayah Sumatera dapat dikelompokkan ke dalam 3 cluster, yaitu (1) Cluster 1 (Kualitas Baik) yang ditempati oleh Politeknik Manufaktur Negeri Bangka Belitung, Politeknik Negeri Padang, dan Universitas Samudera,(2) Cluster 2 (Kualitas Baik Sekali) yang ditempati oleh Universitas Malikussaleh, Universitas Teuku Umar, UIN Sumatera Utara, UIN Imam Bonjol, Universitas Riau, UIN, Sultan Syarif Kasim, UIN Raden Fatah, UIN Raden Intan Lampung, UIN Sulthan Thaha Saifuddin Jambi, Universitas Bengkulu, Politeknik Negeri Bengkalis, Universitas Andalas, Politeknik Negeri Sriwijaya, Universitas Bangka Belitung, Politeknik Negeri Lhokseumawe, Politeknik Negeri Medan, Institut Seni Indonesia Padang Panjang, Politeknik Pertanian Negeri Payakumbuh, Politeknik Negeri Lampung, dan Institut Teknologi Sumatera, (3) Cluster 3 (Kualitas Unggul) yang ditempatioleh Universitas Negeri Medan, Universitas Negeri Padang, Universitas Sriwijaya, Universitas Lampung, Universitas Jambi, Universtias Sumatera Utara, dan Universitas Syiah Kuala . Penjelasan untuk masing- masing cluster sebagaiberikut (1) Cluster 1 (Kualitas Baik) karena seluruh indikator kualitas perguruan tinggi berada pada nilai rata-rata terendah dibandingkan cluster lainnya. Jumlah program studi dengan akreditasi Unggul atau A (􀝔1) yang rekatif rendahmenunjukkan bahwa penguatan kualitas dan peningkatan akreditasi program studi masih memiliki ruang untuk dikembangkan. Jumlah Dosen S3 (􀝔5) dan Dosen Tetap (􀝔6) yang relatif lebih kecil menunjukkan kapasitas sumber daya akademik yang masih terbatas. Rata-rata Lulusan (􀝔7) dan mahasiswa aktif (􀝔8) juga mencerminkan produktivitas dan skala kegiatan akademik yang belum sebesar cluster lain. Secara keseluruhan, perguruan tinggi dalam cluster inimemiliki kualitas yang baik, namun berada pada tahap pengembangan menuju kategori yang lebih tinggi, (2) Cluster 2 (Kualitas Baik Sekali) karena memiliki  \ndosen S3 (􀝔5) tertinggi, yang menunjukkan kualitas sumber daya manusia akademik yang unggul. Jumlah program studi dengan akreditasi Unggul atau A (􀝔1) pada cluster ini berada pada tingkat menengah, menunjukkan bahwa mutu program studi telah berkembang dengan baik dan memiliki potensi untuk terusditingkatkan. Meskipun jumlah dosen tetap (􀝔6) tidak setinggi cluster 3, nilainyamasih berada di atas rata-rata dan menunjukkan stabilitas organisasi akademik yang cukup baik","cbCaikmjRBPWZwXr","https://ap.wps.com/l/cbCaikmjRBPWZwXr","pdf",138606,"Indonesian","# Ringkasan\n## Latar belakang dan kebutuhan pengelompokan\n## Pemodelan data dengan GMM dan tahapan analisis\n## Hasil clustering menjadi 3 cluster\n## Implikasi untuk perumusan kebijakan peningkatan mutu","[{\"question\":\"Mengapa kualitas PTN perlu dikelompokkan berdasarkan indikator kualitas?\",\"answer\":\"Karena masih ada ketimpangan kualitas antar PTN yang dapat memengaruhi pemerataan mutu dan daya saing. Pengelompokan membantu menyesuaikan strategi peningkatan mutu sesuai kebutuhan tiap kelompok.\"},{\"question\":\"Bagaimana data indikator kualitas PTN dimodelkan dalam penelitian ini?\",\"answer\":\"Data indikator kualitas bersifat kontinu dan bernilai numerik, sehingga dimodelkan menggunakan Gaussian Mixture Model (GMM) sebagai kombinasi beberapa distribusi Gaussian.\"},{\"question\":\"Apa algoritma yang digunakan untuk mengestimasi parameter model pada GMM?\",\"answer\":\"Algoritma Expectation–Maximization (EM) digunakan setelah standarisasi data dan pengujian asumsi yang diperlukan, sampai mencapai konvergensi.\"},{\"question\":\"Berapa jumlah cluster yang dihasilkan untuk PTN di wilayah Sumatera dan apa maknanya?\",\"answer\":\"Dihasilkan 3 cluster: Cluster 1 (Kualitas Baik), Cluster 2 (Kualitas Baik Sekali), dan Cluster 3 (Kualitas Unggul). Masing-masing membedakan PTN berdasarkan pola nilai indikator seperti akreditasi, jumlah dosen S3/dosen tetap, lulusan, dan mahasiswa aktif.\"}]","Kualitas Perguruan Tinggi Negeri (PTN) - Pengelompokan dengan Gaussian Mixture Model (GMM) | PDF",6]