Pembelajaran daring menjadi solusi utama selama pandemi Covid-19, namun dalam
praktiknya memunculkan berbagai kendala perkuliahan yang memengaruhi efektivitas proses
belajar-mengajar di perguruan tinggi. Mahasiswa menghadapi beragam hambatan seperti
koneksi internet yang tidak stabil, lingkungan belajar yang tidak kondusif, kesulitan memahami
materi—terutama mata kuliah praktik—serta keterbatasan komunikasi dan kolaborasi.
Perbedaan kondisi teknis dan non-teknis ini menunjukkan adanya variasi kesiapan mahasiswa
dalam mengikuti perkuliahan daring, sehingga diperlukan pendekatan sistematis untuk
mengidentifikasi dan memetakan kendala yang dialami secara lebih terstruktur.
Penelitian ini memanfaatkan pendekatan berbasis data dengan menganalisis respons
kuesioner mahasiswa menggunakan metode unsupervised learning. Data teks kendala
perkuliahan terlebih dahulu melalui tahap pre-processing, kemudian diukur tingkat
kemiripannya menggunakan cosine similarity untuk menangkap kesamaan semantik antar
respons. Hasil pengukuran kemiripan tersebut selanjutnya digunakan sebagai dasar dalam
proses K-Means clustering, yang berfungsi untuk mengelompokkan data ke dalam beberapa
cluster berdasarkan pola kendala yang serupa tanpa memerlukan label awal.
Hasil K-Means clustering menunjukkan bahwa kendala perkuliahan daring dapat
dikelompokkan ke dalam lima kategori utama, dengan masalah sinyal dan koneksi internet sebagai kendala paling dominan. Selain itu, ditemukan pula cluster yang berkaitan dengan
lingkungan belajar, pemahaman materi praktik, komunikasi dengan dosen, dan kerja kelompok. Temuan ini memberikan gambaran yang lebih jelas mengenai pola kendala yang
dialami mahasiswa dalam pembelajaran daring, serta menjadi dasar bagi perguruan tinggi untuk merancang strategi peningkatan kualitas pembelajaran yang lebih adaptif, tepat sasaran, dan berbasis bukti.