Clustering Menggunakan Metode DBSCAN (Density-Based Spatial Clustering Of Aplications with Noise) untuk Data Hasil Screening Panitia Probinmaba Fakultas

Cahyana, IndraDwi (2015) Clustering Menggunakan Metode DBSCAN (Density-Based Spatial Clustering Of Aplications with Noise) untuk Data Hasil Screening Panitia Probinmaba Fakultas. Sarjana thesis, Universitas Brawijaya.

Abstract

Program Pembinaan Mahasiswa Baru Fakultas atau Probinmaba adalah sekumpulan acara yang seluruhnya merupakan rangkaian awal pembentukan karakter dan pengenalan kampus bagi seorang mahasiswa baru. Akan tetapi, jika merujuk pada padatnya pertumbuhan pembangunan yang mempengaruhi jumlah mahasiswa dalam kampus yang semakin besar, maka kontrol yang dilakukan oleh pihak pengawas (Dekanat/Pembina) pada tiap fakultas pun ikut melemah. Melemahnya kontrol tersebut lebih khusus mengacu pada perekrutan pihak-pihak yang diberi kewenangan sebagai panitia Probinmaba Fakultas. Hal ini tentu akan sangat merugikan berbagai pihak apabila kewenangan sebagai panitia Probinmaba Fakultas diamanatkan pada pihak atau individu yang salah. Penelitian ini bertujuan untuk melakukan implementasi algoritma DBSCAN untuk dapat digunakan dalam proses olah data hasil screening atau wawancara calon panitia Probinmaba Fakultas, serta menentukan tingkat akurasi dan kualitas hasil dari implementasi algoritma. Dengan mempertimbangkan kemampuan DBSCAN menciptakan kelompok menurut kedekatan antar fitur (untuk menciptakan kelompok kerja dengan minat yang sama), kompleksitas DBSCAN yang membandingkan tiap titik terhadap seluruh titik lain dalam dataset, kemampuan DBSCAN dalam membentuk cluster tak beraturan serta kemampuan DBSCAN dalam menemukan noise, mendasari penelitian ini untuk dilakukan sebagai hipotesis awal. Hasil akhir yang diharapkan adalah, terbentuknya cluster-cluster yang tepat mewakili dari tiap-tiap sub divisi kepanitiaan ini. Hasil pengujian kualitas DBSCAN dalam aplikasi ini menghasilkan silhouette index senilai 0.48698984 dalam skala -1 sampai dengan 1 (untuk proses cluster dengan Eps bernilai 4 dan MinPts bernilai 2), serta menghasilkan akurasi sebagai presentase 8 tingkat akurasi rekomendasi divisi dibandingkan dengan daftar penempatan panitia berdasarkan peringkat nilai fitur yang dihitung secara manual.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2015/243/051506353
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Indah Nurul Afifah
Date Deposited: 16 Nov 2015 09:43
Last Modified: 20 Oct 2021 14:12
URI: http://repository.ub.ac.id/id/eprint/146290
[thumbnail of Document_Skripsi.pdf]
Preview
Text
Document_Skripsi.pdf

Download (4MB) | Preview

Actions (login required)

View Item View Item