GDL

APPLICATION OF K-MEANS CLUSTERING ON ADMISSION OF NEW STUDENTS (CASE STUDY: STIKOM DINAMIKA BANGSA JAMBI) Thesis.

Undergraduate Theses from gdlhub / 2019-05-15 15:18:16
Oleh : Wahyu Yulianti, STIKOM Dinamika Bangsa Jambi
Dibuat : 2019-05-15, dengan 7 file

Keyword : Data Mining, Pengelompokan Data Mahasiswa Baru, K-Means Clustering, WEKA

Pembentukan cluster merupakan salah satu teknik yang digunakan dalam mengekstrak pola kecenderungan suatu data. Teknik ini digunakan dalam proses Knowledge discovery in database (KDD). Data mining biasanya identik dengan proses penggalian data-data yang cukup besar dan dikelompokkan menjadi data yang tersusun rapi. Dalam hal ini penulis mengelompokkan data mahasiswa baru tahun ajaran 2018 pada STIKOM Dinamika Bangsa Jambi dengan teknik clustering. Pengelompokkan yang penulis terapkan menggunakan algoritma K-Means Clustering. Proses penerimaan mahasiswa baru STIKOM Dinamika Bangsa Jambi menghasilkan data mahasiswa yang sangat berlimpah berupa data profil mahasiswa dan data lainnya. Hal tersebut terjadi secara berulang dan menimbulkan penumpukan terhadap data mahasiswa baru, sehingga mempengaruhi pencarian informasi terhadap data tersebut. Implementasi Nilai TIK. Cluster mahasiswa yang terbentuk adalah tiga cluster, Cluster 1 sebanyak 237 data atau sebesar 33 %, Cluster 2 sebanyak 271 data atau sebesar 38%, Cluster 3 sebanyak 209 data atau sebesar 29%. Hasil dari penelitian ini digunakan sebagai salah satu dasar pengambilan keputusan untuk menentukan menggunakan WEKA digunakan untuk membantu menemukan nilai yang akurat. Atribut yang digunakan adalah Program Studi, Asal Sekolah, Jurusan Disekolah, Nilai TPA, Nilai Bahasa Inggris dan strategi mempromosikan masing-masing program studi yang ada di universitas islam indragiri. berdasarkan hasil cluster algoritma k-means dapat dilihat jurusan atau program studi yang di minati di masing-masing sekolah.

Deskripsi Alternatif :

The formation of clusters is one of the techniques used in extracting trend patterns of data. This technique is used in the Knowledge discovery in database (KDD) process. Data mining is usually identical to the process of extracting large enough data and grouped into neatly arranged data. In this case the writer groups data on new students in the 2018 school year at STIKOM Dinamika Bangsa Jambi with clustering techniques. The grouping that the author applies using the K-Means Clustering algorithm. The new student admission process of STIKOM Dinamika Bangsa Jambi produces student data that is very abundant in the form of student profile data and other data. This happens repeatedly and causes a buildup of new student data, thus affecting the search for information on the data. Implementation using WEKA is used to help find accurate values. The attributes used are Study Program, Origin of School, Department of Education, TPA Value, English Language Value and ICT Value. The student clusters formed were three clusters, Cluster 1 were 237 data or 33%, Cluster 2 were 271 data or 38%, Cluster 3 were 209 data or 29%. The results of this study are used as one of the basis for decision making to determine the strategy of promoting each study program at the independent Islamic university. based on the results of the cluster the k-means algorithm can be seen in departments or study programs that are interested in each school.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	gdlhub
Organisasi	STIKOM Dinamika Bangsa Jambi
Nama Kontak	Herti Yani, S.Kom
Alamat	Jln. Jenderal Sudirman
Kota	Jambi
Daerah	Jambi
Negara	Indonesia
Telepon	0741-35095
Fax	0741-35093
E-mail Administrator	elibrarystikom@gmail.com
E-mail CKO	elibrarystikom@gmail.com