Bimasena, Matius Ivan (2025) Studi Perbandingan Algoritma Euclidean, Manhattan dan Chebysev Distance Untuk Optimasi Metode K-Means Clustering Pada Pengelompokkan Data Penerimaan Mahasiswa Baru ITB STIKOM Bali. Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2129101036-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
2129101036-ABSTRAK.pdf Download (205kB) |
|
Text (BAB 1 PENDAHULUAN)
2129101036-BAB 1 PENDAHULUAN.pdf Download (268kB) |
|
Text (BAB 2 KAJIAN TEORI)
2129101036-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (466kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2129101036-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (474kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2129101036-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2129101036-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (4MB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2129101036-DAFTAR PUSTAKA.pdf Download (196kB) |
|
Text (LAMPIRAN)
2129101036-LAMPIRAN.pdf Download (4MB) |
Abstract
Institut Teknologi dan Bisnis (ITB) STIKOM Bali adalah salah satu perguruan tinggi swasta di Bali yang telah berdiri sejak tahun 2002. Setiap tahun, ITB STIKOM Bali membuka penerimaan mahasiswa baru dari lulusan SMA/SMK dan sederajat. Tim promosi kampus aktif melakukan promosi di berbagai daerah yang berpotensi mendatangkan calon mahasiswa. Namun dalam proses promosi masih adanya kekurangan dalam menentukan tujuan promosi kampus ke daerah yang berpotensial. Peneliti melakukan pengelompokkan data calon mahasiswa baru untuk tahun ajaran 2022 dan 2023 sebanyak 2.689 data, digunakan metode K-means Clustering dengan menentukan klaster terbaik menggunakan Metode Elbow. Dari hasil metode elbow terbentuk 3 klaster optimal. Setelah itu penulis membandingkan tiga metode perhitungan jarak, yaitu Euclidean, Manhattan, dan Chebyshev Distance dengan 3 klaster. Dari hasil evaluasi metode perhitungan jarak, terbukti bahwa Euclidean Distance mempunyai hasil evaluasi yang paling baik yaitu menunjukkan nilai DBI dan Average Within Centroid Distance dari perhitungan jarak terkecil dibandingkan Manhattan Distance dan Chebyshev Distance dengan nilai evaluasi Davies Bouldin Index 1.202 dan Average Within Centroid Distance 16.082. Manhattan Distance cocok digunakan ketika data memiliki fitur yang dipengaruhi oleh perubahan dalam satu dimensi (misalnya, hanya bergerak horizontal atau vertikal dalam satu ruang dimensi). Ini cocok untuk data yang memiliki struktur kotak-kotak atau grid sedangkan Chebyshev Distance baik digunakan ketika pengelompokan (clustering) atau pembelajaran mesin, Chebyshev Distance dapat digunakan jika variabel yang paling dominan atau ekstrem di suatu dimensi lebih kritis untuk diperhitungkan dalam analisis. Setelah ditentukan metode jarak terbaik yaitu Euclidean Distance, penulis melakukan klastering dengan pengelompokkan data penerimaan mahasiswa baru berdasarkan program studi tinggi peminat, sedang peminat dan rendah peminat.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Euclidean Distance, Manhattan Distance, Chebysev Distance, K-Means Clustering, Promosi, Mahasiswa Baru, Sekolah, Bali |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | Matius Ivan Bimasena |
| Date Deposited: | 15 Jul 2025 03:34 |
| Last Modified: | 15 Jul 2025 03:34 |
| URI: | http://repo.undiksha.ac.id/id/eprint/25556 |
Actions (login required)
 |
View Item |