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
Copyright (c) 2017 Rosalia Hadi

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
License Terms
All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:
1. Attribution
Readers and users are free to:
-
Share – Copy and redistribute the material in any medium or format.
-
Adapt – Remix, transform, and build upon the material.
As long as proper credit is given to the original work by citing the author(s) and the journal.
2. Non-Commercial Use
-
The material cannot be used for commercial purposes.
-
Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.
3. Rights of Authors
-
Authors retain copyright and grant Techno.COM Journal the right to publish the article.
-
Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.
4. No Additional Restrictions
-
The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.
5. Disclaimer
-
The journal is not responsible for how the published content is used by third parties.
-
The opinions expressed in the articles are solely those of the authors.
For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/