Optimasi Fitur dalam Klasterisasi Mahasiswa Program Studi Sistem Informasi Dengan Algoritma Genetik
DOI:
https://doi.org/10.33633/tc.v16i3.1392Keywords:
klasterisasi, optimasi fitur, mahasiswaAbstract
Klasterisasi merupakan proses mengelompokkan atau menggolongkan obyek berdasarkan informasi yang diperoleh dari data yang menjelaskan hubungan antar obyek dengan prinsip untuk memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas. Implementasi klasterisasi dapat diterapkan pada berbagai bidang, salah satunya dalam hal penentuan kompetensi mahasiswa. Penentuan kompetensi mahasiswa merupakan hal yang penting karena akan memudahkan mahasiswa untuk memasuki dunia kerja yang sesuai dengan kompetensinya. Mahasiswa akan memiliki landasan untuk bekerja baik sebagai karyawan ataupun sebagai pengusaha berdasarkan kompetensi yang dimilikinya. Dengan adanya kompetensi akan berpengaruh positif terhadap kinerja karyawan pada suatu perusahaan. Teknik klasterisasi data (clustering) telah dipakai dengan sangat luas sekarang ini. Namun ternyata pada kenyataannya, masalah-masalah tentang fitur yang digunakan dalam proses klasterisasi data masih sangat diabaikan, sehingga kerap kali terjadi penggunaan fitur-fitur yang kurang relevan dalam proses klasterisasi data (clustering) tersebut. Hal ini dapat mengakibatkan hasil klasterisasi juga akan menjadi kurang optimal. Sehingga dibutuhkan proses optimasi fitur. Oleh karena itu dilakukan optimasi fitur dalam klasterisasi mahasiswa Program Studi Sistem Informasi menggunakan algoritma genetik unutuk menentukan fitur yang valid dan mengabaikan fitur yang tidak valid. Sehingga proses klasterisasi nantinya akan dapat menghasilkan nilai fitness dan tingkat konvergensi yang lebih baik serta membentuk hasil cluster yang semakin akurat terkait dengan penentuan kompetensi mahasiswa. Kata kunci— klasterisasi, optimasi fitur, mahasiswaReferences
Basuki, Achmad. (2003). Algoritma Genetika, Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning, Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya.
Hsiang-Hsi Liu a, Chorng-Shyong Ong. (2008). Variable selection in clustering for marketing segmentation using genetic algorithms, Expert Systems with Applications 34. 502–510.
Kyoung-jae Kim, Hyunchul Ahn. (2008). A recommender system using GA K-Means clustering in an online shopping market. Expert Systems with Applications 34. 1200–1209.
Laetitia Jourdan, Clarisse Dhaenens, El-Ghazali Talbi. (2001). A Genetic Algorithm for Feature Selection in Data-Mining for Genetics. Metaheuristics International Conference. 4th. 29-33.
Posuma, Christilia O. (2013). Kompetensi, Kompensasi, Dan Kepemimpinan Pengaruhnya Terhadap Kinerja Karyawan Pada Rumah Sakit Ratumbuysang Manado. Jurnal EMBA Vol.1 No.4. 646-656.
Rouhollah Maghsoudi, dkk. (2011). Representing the New Model for Improving K-Means Clustering Algorithm based on Genetic Algorithm. The Journal of Mathematics and Computer Science Vol .2 No.2.
Downloads
Published
Issue
Section
License
Penulis yang mempublikasikan artikelnya dalam jurnal ini setuju dengan ketentuan berikut :
- Hak cipta tetap pada penulis dan memberikan hak kepada jurnal Techno.Com sebagai prioritas pertama untuk mempublikasikan artikelnya dengan lisensi Creative Commons Attribution License yang memperbolehkan artikel untuk dapat dibagikan dengan pengakuan terhadap penulis artikel dan jurnal ini sebagai tempat publikasinya.
- Penulis dapat mendistribusikan publikasi artikelnya secara non-eksklusif (contoh : pada repository universitas atau pada buku) dengan pemberitahuan atau pengakuan publikasi di jurnal Techno.Com.
- Penulis diijinkan untuk mencantumkan karyanya secara online (misal : di website pribadi atau di repository universitas) sebelum dan sesudah proses pengiriman (lihat The Effect of Open Access).