Penerapan Metode K-Means Clustering Dalam Menentukan Predikat Kelulusan Mahasiswa Untuk Menganalisa Kualitas Lulusan
Abstrak
Abstract: The increasing number of students who graduated each year causes a lot of student data that need to be processed, causing difficulties in grouping the data. In this research apply Data Mining by using Clustering method to classify the quality of graduate students of Faculty of Computer Science Dehasen University of Bengkulu based on GPA and Study Program. The algorithm used is K-Means Clustering, where the data are grouped based on the same characteristics will be entered into the same group and the data set entered into the group does not overlap. Information displayed in the form of group ?? a group of graduate students who dominate the Study Program, so it is known to the group that has the best graduate quality. The results of this study will assist the University in analyzing the quality of graduated students and the most potential study programs. Software used to help this grouping is Rapid Miner.
Keywords: K-Means Clustering, Study Program, Graduate Quality, Rapid Miner
Abstrak: Semakin meningkatnya jumlah mahasiswa yang diluluskan setiap tahunnya menyebabkan banyaknya data mahasiswa yang perlu diolah sehingga menyebabkan kesulitan dalam pengelompokan data tersebut. Pada penelitian ini menerapkan Data Mining dengan menggunakan metode Clustering untuk mengelompokkan kualitas lulusan mahasiswa Fakultas Ilmu Komputer Universitas Dehasen Bengkulu berdasarkan IPK dan Program Studi. Algoritma yang digunakan yaitu K-Means Clustering, dimana data dikelompokkan berdasarkan karakteristik yang sama akan dimasukkan ke dalam kelompok yang sama dan set data yang dimasukkan ke dalam kelompok tidak tumpang tindih. Informasi yang ditampilkan berupa kelompok – kelompok lulusan mahasiswa yang mendominasi Program Studi, sehingga diketahui kelompok yang memiliki kualitas lulusan terbaik. Hasil penelitian ini akan membantu pihak Universitas dalam menganalisa kualitas mahasiswa yang diluluskan dan program studi yang paling berpotensi diminati. Software yang digunakan untuk membantu pengelompokan ini adalah Rapid Miner.
Keyword: K-Means Clustering, Program Studi, Kualitas Lulusan, Rapid Miner
Referensi
DAFTAR PUSTAKA
Badan Pusat Statistik Provinsi Sumatera Barat (2016). “Tingkat Penghunian Kamar Hotel Sumatera Baratâ€.
Dian P., Diaz D.S., and Bens Pardamean (2011). “An Application Of Artificial Neural Network Method For Measuring The Severity Of Osteoarthritisâ€, Vol.11 (3)
Dian N. and Fajri Rahmat U., (2016).“Pengenalan Citra Buah Manggis Menggunakan Metode Jaringan Syaraf Tiruan Backpropagationâ€. Mei 2016.
Kadu Parag P., (2013). “Temperature Prediction System Using Backpropagation Neural Network : An Approchâ€. ,Vol. 2 : 61-64
Lesnussa Y.A., Latuconsina S., and Persulessy E.R., (2015). “Aplikasi Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Prestasi Siswa SMA (Studi Kasus: SMAN 4 Ambon) â€. Jurnal Matematika Integratif. Volume 11 (2), Oktober 2015,
Oktaviani U., Beni I., and Fatma A.S., (2014).“Diagnosa Gizi Pada Anak Balita Dengan Menggunakan Metode Jaringan Syaraf Tiruan Metode Backpropagationâ€.Vol. 02 (1) 2014.
Panchal Amit M., (2015). “National Stock Exchange Stock And Index Price Direction Prediction Using Backpropagation Artificial Neural Network†, International Journal of Innovative Research in Science, Engineering and Technology. Vol. 4 (11), November 2015.
Puspitaningrum D., (2004). “Pengantar Jaringan Syaraf Tiruanâ€. Jakarta : Penerbit Andi.
Siang J.J., (2004). “Jaringan Syaraf Tiruan dan Pemogramannya Dengan Matlabâ€. Jakarta: Andi.
Srikanth K., (2015). “Prediction Model to Enchane Resource Efficiently For Hospitalsâ€. Vol. 4 (9), September 2015.
Risnawati, R., & Handayani, M. (2017). penerapan Jaringan Saraf Tiruan Untuk Proyeksi Logistik Berdasarkan Prediksi Pasien Menggunakan Algoritma Backpropagation. JURTEKSI. 4(1): 21-28.
Syah, A. Z., Siagian, Y., & Aswati, S. (2017). PENCIRIAN WICARA MENGGUNAKAN ANALISA CEPTRAL SEBAGAI WUJUD INVERS DARI FAST FORIER TRANSFORM (FFT). JURTEKSI ROYAL Vol 3 No 2, 3.
