Wahyuningtyas, Endah Utik (2017) Optimasi Algoritme K-Means Untuk Clustering Dosen Berdasarkan Kinerja Akademik Menggunakan Algoritma Genetika Paralel. Sarjana thesis, Universitas Brawijaya.
Abstract
Tugas utama seorang dosen adalah mengasilkan sumber daya manusia yang berkualitas serta menyelesaikan permasalahan yang ada di masyarakat luas melalui penelitian, pengabdian, dan lain sebagainya. Kompetensi yang dimiliki oleh seorang dosen menentukan kualitas pelaksanaan tridharma perguruan tinggi. Perlu adanya evaluasi kinerja akademik dosen yang dilakukan secara periodik oleh tim penjamin mutu. Evaluasi kinerja akademik dosen bertujuan untuk menjaga mutu institusi, memudahkan dalam pengambilan kebijakan, memberikan treatment yang tepat untuk peningkatan kualitas dosen, serta memudahkan dalam pemberian penugasan terhadap dosen. Setiap dosen bisa jadi memiliki kompetensi yang berbeda antara satu dengan yang lainnya. Oleh sebab itu perlu adanya pengelompokan data terkait dengan kinerja akademik dosen secara optimal. Pada penelitian kali ini, akan dibangun sistem clustering atau pengelompokan terhadap kinerja akademik dosen dengan menggunakan metode k-means clustering. Mengingat metode tersebut memiliki kekurangan yaitu sering mendapatkan klaster yang berbeda-beda karena inisialisasi centroid dilakukan secara random, oleh sebab itu perlu adanya optimasi centroid pada algoritme kmeans. Algoritme genetika paralel dapat digunakan untuk mengoptimasi pusat klaster pada algoritme k-means. Algoritme genetika paralel menggunakan konsep multi populasi tetapi pada penelitian ini hanya akan dijalankan pada prosesor tunggal. Data kinerja akademik dosen yang digunakan dalam penelitian ini sebanyak 25 data dosen yang masih aktif pada Fakultas Ilmu Komputer Universitas Brawijaya. Hasil pengelompokan yang didapatkan menunjukkan bahwa optimasi pusat klaster menggunakan algoritme genetika paralel mendapatkan hasil yang lebih baik dibandingkan hanya dengan metode k-means saja
English Abstract
The main task of a lecture is to produce quality human resources and solve the problems that exits in the community trough research, dedication, an so on. Competence owned by lecture is determines the quality of the implementation of the college Tridharma. So it is necessary to evaluate the academic performance of lecturers conducted periodically by the quality assurance team. Evaluation of academic performance of lecturers aims to maintain the quality of institutions, facilitate policy-making, provide appropriate treatment for improving the quality of lecturers, as well as facilitate in the assignment of lecturers. Each lecturer must have different competencies with each other. Therefore it is necessary to group data related to the academic performance of lecturers optimally. In this research, clustering system will be built on the academic performance of lecturers using kmeans clustering method. Given that the method has the disadvantage of often getting different clusters because the initialization of centroid is done randomly, therefore it is necessary to have centroid optimization on k-means algorithm. Parallel genetic algorithms can be used to optimize the cluster center on the kmeans algorithm. In this paper Parallel genetic algorithms use the concept of multipopulation but only run on a single processor. Lecturer academic performance data used in this research are 25 data of lecturers who are still active. The result of clustering showed that cluster center optimization using parallel genetic algorithm get better result than only k-means method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/772/051711911 |
| Uncontrolled Keywords: | Algoritme Genetika Paralel, Clustering, Algoritme K-Means Clustering, Evaluasi Data Kinerja Dosen |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.1 Programming |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 04 Jan 2018 03:02 |
| Last Modified: | 28 Sep 2020 09:46 |
| URI: | http://repository.ub.ac.id/id/eprint/7709 |
Actions (login required)
 |
View Item |