Menu
- Home
- Pemesanan
- Metode & Algoritma
- AHP
- Forward Chaining
- Backward Chaining
- GAP (Generic Acces Profile)
- Prifile Matching
- Teorema Bayes
- Case Based Reasoning (CBR)
- Dempher Shaper
- Fuzzy Logic
- Fuzzy Mamdani
- Generate And Test
- Ant Colony Optimization (ACO)
- Shortest Path Astar
- Algoritma ID3
- Algoritma C4.5
- Algoritma ANP
- Algoritma Indeks Davies-Bouldin SOM (Self Organizing Map)
- Algoritma Classification And Regression Trees (CART
- Algoritma Genetika
- Algoritma Genetika
- Source Code
- Katagori Skripsi
- Android
- Aplikasi
- Artificial Intellegence
- Backward Chaining
- Case Based Reasoning
- Flash MX
- Forward Chaining
- Game
- Java
- Java Android
- Kecerdasan Buatan
- Multimedia
- My-SQL
- Pengolahan Citra
- Security Komputer
- Sistem Informasi
- Sistem Informasi Goegrafis (GIS)
- Sistem Pakar
- Sistem Pendukung Keputusan (SPK)
- SMS Gateway
- Visual Basic (Dekstop)
- Web (PHP-MySQL)
- Project
- FAQ
- About
Separator
piramidaskripsi.com saat ini sudah beralih ke piramidaskripsi.net | Bagi Yang Butuh Program Web Custome Bisa ke Wa atau email biaya IDR-500-800K
Tampilkan postingan dengan label K-Means Clustering. Tampilkan semua postingan
Tampilkan postingan dengan label K-Means Clustering. Tampilkan semua postingan
Sabtu, 26 November 2016
Sistem Pendukung Keputusan Penentuan Penerima Beasiswa Menggunakan Metode K-Means Clustering
ABSTRAK
Pengelompokkan data mahasiswa
berdasarkan kriteria Indeks Prestasi Kumulatif (IPK), penghasilan total orang
tua, dan jumlah tanggungan keluarga dapat membantu dalam proses penerimaan
beasiswa. Metode yang bisa digunakan untuk pengelompokkan data mahasiswa ini
adalah K-Means Clustering. Metode K-Means Clustering berusaha mengelompokkan
data yang ada ke dalam beberapa kelompok, dimana data dalam satu kelompok
mempunyai karakteristik yang sama. Data mahasiswa dikelompokkan menjadi tiga
cluster yaitu menerima, dipertimbangkan, dan tidak berhak menerima beasiswa.
Kemudian setiap cluster diklasifikasikan berdasarkan kriteria mana yang lebih
diprioritaskan. Cluster dengan nilai terbesar pada centroid akhir merupakan cluster
yang direkomendasikan menerima beasiswa, sedangkan cluster dengan nilai
terkecil pada centroid akhir merupakan cluster yang tidak berhak menerima
beasiswa. Pengujian sistem dilakukan sebanyak 40 kali percobaan terhadap 48
data mahasiswa untuk mendapatkan presisi hasil implementasi metode K-Means Clustering.
Nilai presisi dihitung dengan Error Presisi, dengan membandingkan data hasil
clustering dari 40 percobaan. Hasil perhitungan Error Presisi pada hasil klasifikasi
berdasarkan IPK adalah 0,118 dan berdasarkan penghasilan orang tua adalah
0,076. Nilai Error Presisi yang rendah menunjukkan bahwa nilai presisinya
tinggi. Nilai presisi tinggi menunjukkan ketetapan data pada setiap percobaan
dengan menggunakan tiga cluster juga tinggi.
Kata kunci: Beasiswa, Centroid, Clustering, Indeks Prestasi Kumulatif, K-Means, Penghasilan Total Orang Tua
Rabu, 02 November 2016
Sistem Pendukung Keputusan Pemilihan Jurusan Siswa Menggunakan Metode K-Means Clustering
ABSTRAK
Pekerjaan dengan computer akan
mempercepat dalam pekerjaan seperti halnya kemampuan komputer dalam mengolah
data, melakukan perhitungan yang rumit, melakukan koneksi jaringan internet,
pengolahan citra, neural network, dan sistem pendukung keputusan. Komputer
dalam hal kecerdasan mulai menirukan sistem kerja manusia dalam pengambilan
keputusan dan ini dikenal dengan sistem pengambilan keputusan.
Ada banyak bidang kerja yang
memerlukan pengambilan keputusan untuk menghasilkan suatu pekerjaan tersebut
yang saat ini dapat dipecahkan dengan menggunakan komputer. Salah satu contoh
dalam kasus penelitian ini yaitu menentukan jurusan yang tepat bagi mahasiswa
baru di SMK Negeri 1 Lhokseumawe yang dilatar belakangi oleh kerja sistem lama
yang manual selection maka tidak layak lagi digunakan mengingat kemajuan sistem
pendukung keputusan dengan computer yang begitu cepat dan handal maka
selayaknya SMK Negeri 1 Lhokseumawe harus memiliki sebuah sistem dalam
mendukung pengambilan keputusan penentuan jurusan bagi mahasiswa baru.
Sistem yang akan dirancang
menggunakan aplikasi web yang diprogramkan dengan PHP dan database My-SQL yang
bisa memproses data dengan cepat dan tepat. Guna mendukung pengambilan
keputusan maka digunakan sebuah metode yaitu Algoritma K-Means
Clustering yang dapat mengambil
keputusan dengan cepat berdasarkan kriteria-kriteria pada siswa baru sehingga
akan mempercepat pengambilan keputusan bagi kepala sekolah serta dapat membuat
laporan kelulusan siswa baru.
Kata Kunci : spk, K-Means, jurusan smk,
Langganan:
Postingan (Atom)