PENERAPAN ALGORITMA K-MEANS DALAM PENGKLASTERAN HASIL EVALUASI AKADEMIK MAHASISWA

Safnita, Fitri (2024) PENERAPAN ALGORITMA K-MEANS DALAM PENGKLASTERAN HASIL EVALUASI AKADEMIK MAHASISWA. Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_221321007_FITRI SAFNITA_Abstrak.pdf Download (188kB)
	Text Tesis_221321007_FITRI SAFNITA_BAB I.pdf Download (309kB)
	Text Tesis_221321007_FITRI SAFNITA_Daftar Pustaka.pdf Download (307kB)
	Text Tesis_221321007_FITRI SAFNITA_Full Text.pdf Restricted to Repository staff only Download (5MB)

Abstract

Algoritma K-Means adalah algoritma pengelompokan iterative yang melakukan partisi set data ke dalam sejumlah cluster yang diawal sudah ditetapkan. Algoritma K-Means mudah diimplementasikan dan dijalankan, relatif cepat, mudah beradaptasi, umum penggunaannya dalam praktek. Parameter yang harus dimasukkan ketika menggunakan algoritma K-Means adalah nilai K. Nilai K umumnya digunakan berdasarkan informasi yang diketahui sebelumnya mengenai sebenarnya berapa banyak cluster yang muncul dalam X, berapa banyak yang digunakan untuk penerapannya atau jenis cluster dicari dengan melakukan percobaan dengan beberapa nilai K. Penelitian ini bertujuan untuk mengelompokkan mahasiswa berdasarkan hasil evaluasi akademik. Metode yang digunakan dalam mengelola data akademik mahasiswa menggunakan metode Data Mining dengan Algoritma KMeans Clustering . Dataset yang diolah dalam penelitian ini bersumber dari Fakultas Teknik Program Studi Teknik Informatika, Universitas Islam Riau. Dataset terdiri dari 180 data mahasiswa semester 1 sampai mahasiswa semester 4. Hasil penelitian ini berupa pengelompokan mahasiswa berdasarkan cluster mahasiswa berprestasi terdapat 104 orang mahasiswa dengan persentase 57,72%, cluster mahasiswa berpotensi berprestasi terdapat 62 orang mahasiswa dengan persentase 34,41%, cluster mahasiswa berpotensi bermasalah terdapat 10 orang mahasiswa dengan persentase 5,55%, dan cluster mahasiswa bermasalah terdapat 4 orang mahasiswa dengan persentase 2,22%. Oleh karena itu, diharapkan hasil penelitian ini memberikan pengetahuan baru yang bisa dijadikan sumber informasi serta berfungsi sebagai model acuan bagi perencana akademik untuk memonitor dan memprediksi perkembangan performa akademik setiap mahasiswa. Kata kunci: Clustering, K-Means, Data Mining, RapidMiner, Evaluasi

Actions (login required)

View Item