PERBANDINGAN AKURASI METODE CLUSTERING ALGORITMA K-MEANS DENGAN ALGORITMA K-MEDOIDS DALAM PENGELOMPOKAN DATA MAHASISWA BARU UNTUK STRATEGI PROMOSI PROGRAM STUDI TEKNIK INFORMATIKA UNISNU JEPARA

ARIS DARUSSALAM, 161240000480 (2021) PERBANDINGAN AKURASI METODE CLUSTERING ALGORITMA K-MEANS DENGAN ALGORITMA K-MEDOIDS DALAM PENGELOMPOKAN DATA MAHASISWA BARU UNTUK STRATEGI PROMOSI PROGRAM STUDI TEKNIK INFORMATIKA UNISNU JEPARA. Skripsi thesis, UNISNU Jepara.

[img]
Preview
Text
161240000480_COVER.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text
161240000480_BAB I.pdf - Published Version

Download (302kB) | Preview
[img]
Preview
Text
161240000480_BAB II.pdf - Published Version

Download (943kB) | Preview
[img]
Preview
Text
161240000480_BAB III.pdf - Published Version

Download (661kB) | Preview
[img]
Preview
Text
161240000480_BAB IV.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text
161240000480_BAB V.pdf - Published Version

Download (197kB) | Preview
[img]
Preview
Text
161240000480_DAFTAR PUSTAKA.pdf - Published Version

Download (228kB) | Preview
[img]
Preview
Text
161240000480_LAMPIRAN.pdf - Published Version

Download (506kB) | Preview

Abstract

Penelitian ini membahas mengenai perbandingan antara Algoritma K-Means dan Algoritma K-Medoids dalam klasterisasi, dan hasilnya bisa dijadikan sebagai pertimbangan dalam menangani strategi promosi prodi Teknik Informatika di UNISNU Jepara. Data yang digunakan dalam penelitian ini adalah data calon mahasiswa baru periode 2016 – 2019 yang didapat dari UPT Pusat Data UNISNU Jepara. Proses klasterisasi memerlukan beberapa data masukan meliputi asal kecamatan sekolah, asal sekolah, jenis kelamin dan nilai UN setelah dilakukan pembersihan dan perbaikan data. Klustering adalah meode pengelompokan data yang memiliki kemiripan yang sama dengan karakteristik yang sama dalam satu cluster. Penelitian ini menggunakan data sebanyak 478 data mahasiswa yang diolah menggunakan Microsoft Excel dan aplikasi Rapidminer. Davies Boudin Index (DBI) sebagai performance untuk pengujian validasi. Cluster yang terbentuk adalah 3 cluster dengan hasil akurasi algorita K-Means Clustering sebesar 0,47 dan algoritma K-Medoids sebesar 0,416. Dan dapat di kategorikan cukup baik dalam menentukan strategi promosi prodi Teknik Informatika UNSNU Jepara.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing I : Akhmad Khanif Zyen, M.Kom. Pembimbing II : Buang Budi Wahono, S.Si., M.Kom.
Uncontrolled Keywords: Data Mining, K-Means Clustering, K-Medoids Clustering, Perbandingan algoritma, Rapid Miner.
Subjects: 000 Karya Umum > 000 Ilmu Umum dan Komputer > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Admin Perpustakaan Unisnu
Date Deposited: 27 Dec 2021 03:06
Last Modified: 27 Dec 2021 03:06
URI: http://eprints.unisnu.ac.id/id/eprint/1158

Actions (login required)

View Item View Item