Pengembangan Algoritma Klaster Dinamis Pada K-Means Dalam Pengelompokan Kinerja Akademik Mahasiswa (Studi Kasus: Universitas Pendidikan Ganesha)

Ariasa, Komang (2020) Pengembangan Algoritma Klaster Dinamis Pada K-Means Dalam Pengelompokan Kinerja Akademik Mahasiswa (Studi Kasus: Universitas Pendidikan Ganesha). Masters thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1729101010-COVER.pdf
Download (600kB)
[img] Text (ABSTRAK)
1729101010-ABSTRAK.pdf
Download (256kB)
[img] Text (BAB 1 PENDAHULUAN)
1729101010-BAB 1 PENDAHULUAN.pdf
Download (100kB)
[img] Text (BAB 2 KAJIAN TEORI)
1729101010-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (527kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1729101010-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (272kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1729101010-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (3MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1729101010-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (100kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1729101010-DAFTAR PUSTAKA.pdf
Download (149kB)
[img] Text (LAMPIRAN)
1729101010-LAMPIRAN.pdf
Download (391kB)

Abstract

Penelitian ini difokuskan untuk perbaikan algoritma klaster dinamis pada k-means menggunakan inisiasi centroid awal berbasis metode mean. Data penelitian menggunakan kinerja akademik 765 orang berasal dari 38 prodi Undiksha, perhitungan klastering berdasarkan nilai UN, rapor, dan perkembangan kinerja akademik mahasiswa selama 6 semester. Perbandingan algoritma terbaik diuji tingkat validitasnya menggunakan metode Cluster Variance (V), Davies Bound Index (DBI), Partition Coefficient (PC), dan Sum Squared Error (SSE) pada algoritma k-means tradisional, k-means dinamis dan k-means dinamis berbasis mean. Berdasarkan pengujian diperoleh 5 jumlah klaster ideal pada metode k-means dinamis berbasis inisiasi centroid, dengan nilai terbaik PC 0,20176, SSE 2,15152, variance terkecil 0,259281 dan DBI 0,168236. Secara keseluruhan optimasi algoritma k-means dinamis berbasis mean lebih baik dibanding algoritma lain dalam evaluasi PC, SSE, dan cluster variance. Hasil pengujian dapat digunakan sebagai salah satu metode terbaik dalam evaluasi kinerja akademik mahasiswa serta acuan pengambilan keputusan dalam menentukan kebijakan akademik universitas.

Item Type: Thesis (Masters)
Uncontrolled Keywords: k-means, klastering, klaster dinamis, mean based
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
T Technology > TN Mining engineering. Metallurgy
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: Komang Ariasa
Date Deposited: 27 Feb 2020 01:16
Last Modified: 27 Feb 2020 01:16
URI: http://repo.undiksha.ac.id/id/eprint/1033

Actions (login required)

View Item View Item