Rohmat F. J. A, Fajar Nur (2017) Implementasi Algoritma K-Means Untuk Klasterisasi Kinerja Akademik Mahasiswa. Sarjana thesis, Universitas Brawijaya.
Abstract
Seleksi penerimaan mahasiswa dalam sebuah perguruan tinggi menghasilkan data yang melimpah dan dapat dimanfaatkan untuk memperoleh informasi yang berguna bagi perguruan tinggi. Dalam penelitian ini, data mahasiswa yang diambil oleh penulis adalah jenis kelamin, angkatan, asal sekolah (SMA / sederajat), jalur masuk perguruan tinggi, pekerjaan orang tua, penghasilan orang tua, penghasilan tambahan orang tua, asal daerah, jumlah mata kuliah yang diulang, jumlah mata kuliah semester pendek yang diambil mahasiswa, index prestasi lulus dan beban per semester, jumlah SKS lulus dan beban per semester, jumlah mata kuliah lulus dan beban per semester, Indeks prestasi komulatif lulus dan beban per semester, jumlah SKS komulatif lulus dan beban per semester, jumlah mata kuliah komulatif lulus dan beban per semester, jumlah kehadiran mahasiswa per semester. Penggalian informasi pada sebuah data berukuran besar tidak dapat dilakukan dengan mudah dan hal ini bisa dilakukan dengan teknologi data mining. Data mining yang disebut juga dengan Knowledge Discovery in Database (KDD) adalah sebuah proses secara otomatis atas pencarian data didalam sebuah memori yang amat besar dari data untuk mengetahui pola dengan menggunakan alat seperti klasifikasi hubungan (association) atau pengelompokan (clustering). Dengan menggunakan metode k-means clustering, peneliti mencoba untuk mengekstrak pengetahuan yang bisa menggambarkan kinerja prestasi akademik mahasiswa pada akhir semester dan hasil dari penelitian tersebut menunjukkan bahwa dari semua jumlah cluster yang dimasukkan, untuk cluster yang berjumlah 3 (tiga) memiliki nilai silhouette coefficient yang paling mendekati nilai Si= 1, yaitu dengan nilai 0,108690751. Selain itu pendapatan orang tua tidak mempengaruhi tingkat kinerja akademik mahasiswa dan nilai akademis mahasiswa yang masuk melalui jalur reguler & jalur prestasi akademik mempunyai nilai IPK rata-rata tertinggi. Sehingga, pihak fakultas dapat mempertimbangkan untuk lebih memprioritaskan penerimaan mahasiswa baru melalui jalur reguler & prestasi akademik.
English Abstract
Selection of student acceptance in a college produces abundant data and can be utilized to obtain useful information for the college. In this study, student data taken by the authors are gender, force, origin of school (high school / equivalent), college entrance, parent job, parent income, parent income, local origin, repeated number of courses, number of eyes Short semester students, graduation and semester loads, graduation and semester loads, graduation and semester loads, graduation grade and semester loads, total cumulative SKS and semester loads, The number of cumulative courses graduated and the burden per semester, the number of student attendance per semester. Excavation of information on a large data could not be done easily and this can be done with data mining technology. Data mining also known as Knowledge Discovery in Database (KDD) is an automated process of searching data in a very large memory of data to know patterns by using tools such as association or clustering. By using K-Means Clustering method, the researcher tries to extract the knowledge which can depict the performance of student achievement at the end of semester and the result of the research indicates that of all cluster quantities inserted, for clusters amounting to 3 (three) has the value of silhouette coefficient closest to the value of
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/748/051708565 |
| Uncontrolled Keywords: | Data Mahasiswa, Data Mining, K-Means Clustering, Jalur Penerimaan Mahasiswa |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning > 006.312 Data mining |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 02 Oct 2017 08:50 |
| Last Modified: | 28 Sep 2020 04:35 |
| URI: | http://repository.ub.ac.id/id/eprint/3111 |
Preview |
Text
Rohmat F. J. A, Fajar Nur.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |