Penerapan Algoritma K-Means Clustering Untuk Prediksi Prestasi Nilai Akademik Mahasiwa

Article Sidebar

PDF
Published: Nov 8, 2018
DOI: https://doi.org/10.34128/jsi.v4i2.140
Keywords:
K-Means, Program Studi, Predikat

Main Article Content

Risa Helilintar
Fakultas Teknik, Prodi Teknik Informatika, Universitas Nusantara PGRI Kediri
Intan Nur Farida
Fakultas Teknik, Prodi Teknik Informatika, Universitas Nusantara PGRI Kediri

Abstract

Sebagai perguruan tinggi terbesar di karisidenan kediri Unp kediri khususnya Fakultas Teknik Program Studi Teknik Informatika Mahasiswanya semakin meningkat setiap tahunnya. Semakin meningkatnya jumlah mahasiswa yang diluluskan setiap tahunnya menyebabkan banyaknya dta mahasiswa yang perlu diolah sehingga pihak prodi menyebabkan kesulitan dalam mengolahnya dan megelompokkan data tersebut. Pada penelitian ini metode yang akan diterapkan adalah Data Mining dengan metode K-Means Clustering, dimana data dikelompokkan berdasarkan karakteristik yang sama akan dimasukkan kedalam kelompok. Informasi yang akan ditampilkan berupa pengelompokkan predikat kelulusan mahasiswa yaitu dibagi menjadi 4 kelompok yaitu sangat baik, baik, cukup, kurang sehingga pihak program studi untuk mengetahui kelompok -kelompok mana mahasiswa yang mempunyai predikat kelulusan sesuai dengan pengelompokkan.


Keywords: K-Means, Program Studi, Predikat

Article Details

Issue
Vol. 4 No. 2 (2018): Jurnal Sains dan Informatika
Section
Articles
Author Biography

Intan Nur Farida, Fakultas Teknik, Prodi Teknik Informatika, Universitas Nusantara PGRI Kediri

Fakultas Teknik, Prodi Teknik Informatika, Universitas Nusantara PGRI Kediri

References

Chowdhury, S. I., Gustavsson, R., & Wigertz, O. (1994). Approaches for knowledge discovery in databases. In Intelligent Information Systems, 1994. Proceedings of the 1994 Second Australian and New Zealand Conference on (pp. 457-461). IEEE.
Sulastri, H., & Gufroni, A. I. (2017). Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia. Jurnal Teknologi dan Sistem Informasi, 3(2), 299-305.
Kanungo, T., Mount, D. M., Netanyahu, N. S., Piatko, C. D., Silverman, R., & Wu, A. Y. (2002). An efficient k-means clustering algorithm: Analysis and implementation. IEEE Transactions on Pattern Analysis & Machine Intelligence, (7), 881-892.
Ridlo, M. R., Defiyanti, S., & Primajaya, A. (2017). Implementasi Algoritme K-Means Untuk Pemetaan Produktivitas Panen Padi Di Kabupaten Karawang. CITEE 2017.
Ramadhani, R. A., Widodo, D. W., & Sadartanto, R. (2017). Perancangan Sistem Clusterisasi Usaha Mikro, Kecil, dan Menengah di Kota Kediri. Jurnal Sains dan Informatika, 3(2), 106-110.
Syam, F. A. (2017). Implementasi Metode Klastering K-Means untuk Mengelompokan Hasil Evaluasi Mahasiswa.
Taslim, T., & Fajrizal, F. (2016). Penerapan algorithma k-mean untuk clustering data obat pada puskesmas rumbai. Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, 7(2), 108-114.