PENERAPAN METODE K-MEANS CLUSTERING PADA DATA PENERIMAAN MAHASISWA BARU

Risa Helilintar, Intan Nur Farida, Rony Heri Irawan

Abstract


Pembentukan cluster merupkan salah satu teknik yang digunakan dalam megekstrak pola kecenderungan suatu data. Teknik ini digunakan dalam proses knowledge discovery in database (KDD). Data mining biasanya identic dengan proses penggalian data-data yang cukup besar dan dikelompokkan menjadi data yang tersusun rapi. Dalam hal ini penulis mengelompokkan data mahasiswa baru tahun ajaran 2016/2017 dengan clustering. Pengelompokkan yang penulis terapkan menggunakan algoritma K-Means Clustering. Algoritma K-Means clustering mampu mengelompokkan data pada kelompok yang sama dan data yang berbeda pada kelompok yang berbeda. Sehingga akan terlihat kelompok data mahasiswa baru tahunajaran 2016/2017 pada universitas nusantara PGRI yang tidak struktur menjadi terstruktur. Tujuan dari penelitian ini adalah menerapkan algoritma k-Means Clustering pada data penerimaan mahasiswa baru tahunajaran 2016/2017. Hasil K-Means clustering yang  diperoleh ada dua kelompok, pusat cluster dengan pusat cluster 1= 1 ; 2.83 ; 1.4 dan cluster 2 = 2.828427124 ; 2.236067977 ; 1.414213562, cluster pertama jika asal sekolah  adalah SMA maka rata-rata yang diambil adalah prodi sistem informasi dan kedua jika asal sekolah SMK adalah rata-rata yang diambil adalah Teknik informatika.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.




Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  senatik@unipma.ac.id
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.