Implementasi Algoritma K-Means Dalam Pengklasteran untuk Rekomendasi Penerima Beasiswa PPA di UDINUS
DOI:
https://doi.org/10.33633/joins.v5i1.3350Abstract
Rekomendasi penerima beasiswa Peningkatan Prestasi Akademik (PPA) dikelompokkan menjadi 2 cluster yaitu diterima dan tidak diterima untuk mendapatkan beasiswa. Algoritma K-Means merupakan teknik unsupervised learning yang dapat digunakan dalam mengelompokkan data pengajuan beasiswa. Tujuan dari penelitian ini adalah untuk merekomendasikan penerima beasiswa dengan menggunakan algoritma k-means, hasil rekomendasi berupa penempatan data pendaftar beasiswa ke masing-masing kelompok cluster yang dihasilkan. Eksperimen proses clustering dilakukan menggunakan data pendaftar beasiswa PPA dari biro kemahasiswaan udinus tahun 2016 sebanyak 441 pendaftar beasiswa PPA. Melalui seleksi atribut, k-means ini melakukan perhitungan untuk menempatkan setiap data ke cluster yang sudah ditentukan. Sebanyak 154 mahasiswa direkomendasikan mendapatkan beasiswa PPA sedangkan 287 mahasiswa tidak mendapatkan.ÂReferences
J. A. D. Guterres, "Kelayakan Algoritma C45 Sebagai Pendukung Keputusan Dalam Pengajuan Penerima Beasiswa," in Seminar Nasional Teknologi Informasi , Kupang, 2015.
P. Utomo, "Analisis Kontribusi Pemberian Beasiswa Terhadap Peningkatan Prestasi Akademik Mahasiswa Fakultas Teknik Universitas Negeri Yogyakarta," JPTK, vol. XX, no. 1, pp. 68-87, Mei 2011.
N. R. W, "Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa," Jurnal Ilmiah Teknologi Informasi Terapan , vol. I, no. 2, pp. 62-68, April 2015.
F. Satria, "Perbandingan Kinerja Metode Ward Dan K-Means Dalam Menentukan Cluster Data Mahasiswa Pemohon Beasiswa (Studi Kasus: STMIK Pringsewu)," Jurnal TIM Darmajaya , vol. II, no. 1, pp. 12-26, Mei 2016.
Jaroji, "K-Means Untuk Menentukan Calon Penerima Beasiswa Bidik Misi Di Polbeng," Jurnal Inovtek Polbeng Seri informatika, vol. I, no. 1, pp. 87-94, Juni 2016.
M. Riadi, September 2017. [Online]. Available: https://www.kajianpustaka.com/2017/09/data-mining.html.
A. E. Wicaksono, "Implementasi Data Mining Dalam Pengelompokan Data Peserta Didik Di Sekolah Untuk Memprediksi Calon Penerima Beasiswa Dengan Menggunakan Algoritma K-Means (Studi Kasus SMAN 16 Bekasi)," Jurnal Teknologi Rekayasa , vol. XXI, no. 3, pp. 206-216, Desember 2016.
B. Rahmat, "Implementasi K-Means Clustering Pada RapidMiner Untuk Analisis Daerah Rawan Kecelakaan," in Seminar Nasional Riset Kuantitatif Terapan 2017, Kendari, 2017.
A. Chandra, "Peningkatan Performa Algoritma Apriori Untuk Aturan Asosiasi Data Mining," in Seminar Nasional Teknologi Informasi dan Multimedia, Yogyakarta, 2017.
M. Iqbal and Muatin, "Analisa Keranjang Belanja Konsumen Pada Data Penjualan Bulan Ramadhan Menggunakan Algoritma Apriori (Studi Kasus : Citro Coffepark Clothes Pekanbaru)," in Seminar Nasional Teknologi Informasi, Komunikasi dan Industri(STNKI), Riau, 2017.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
This work is licensed under a Creative Commons Attribution 4.0 International License.
