DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN

Rizki Muliono, Zulfikar Sembiring

Abstract


Universitas medan area memiliki dosen dengan jumlah yang banyak dimana setiap dosen mengampuh matakuliah sesuai bidang keahliannya masing-masing. Setiap semesternya dosen diwajibkan membuat dokumen pengajaran seperti Silabus, RPS, Kontrak Kuliah, RPP dan kemudian diupload ke aplikasi RPS milik Universitas Medan Area untuk dinilai oleh Unit LP2MP yang memiliki tugas malakukan klasterisasi terhadap hasil pembobotan nilai dari tiap-tiap dokumen dari dosen-dosen. Hasil klasterisasi tersebut selanjutnya akan merujuk pada pemberian besaran nilai tunjangan yang di berikan kepada dosen yang membuat dan mengumpulkan dokumen-dokumen pengajaran tesebut. Untuk membantu klasterisasi digunakan algoritma K-Means Clustering adalah salah satu teknik dari data mining dengan metode clustering non hirarki didalam prosesnya berusaha mempartisi data-data yang ada ke dalam bentuk klaster. Penelitian ini diharapkan dapat membantu proses klasterisasi dengan nilai yang mendekati karakteristik menjadi lebih efektif. Ketepatan prediksi yang dilakukan oleh algortima K-means terhadap 15 data mengalami perbedaan ketepatan, hanya sebanyak 53.33% akurasi prediksi bernilai benar.

Keywords


Data Mining; Algoritma K-Means Clustering; Tingkat Tridarma Dosen; Klasterisasi

Full Text:

PDF

References


K. Monika, N. Lal and S. Qamar, "K-mean clustering algorithm approach for data mining of heterogeneous data," in Information and Communication Technology for Sustainable Development, vol. 10, Singapore, Springer, 2018, pp. 61-70.

R. Muliono, "Implementasi Algoritma Apriori Pada Data Benchmark Kosarak Dan Mushrooms," JITE : JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, vol. 1, no. 1, pp. 34-41, September 2017.

T. Rismawan and K. Sri, "K-Means Untuk Pengelompokan Mahasiswa Berdasarkan Nilai Body Mass Index (BMI) dan Ukuran Kerangka," in Seminar Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008), Yogyakarta, 2008.

H. Priyatman, F. Sajid and D. Haldivany, "Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa," JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 5, no. 1, p. 2019.

F. N. R. F. J. Aziz, B. D. Setiawan and I. Arwani, "Implementasi Algoritma K-Means untuk Klasterisasi Kinerja Akademik Mahasiswa," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 6, pp. 2243-2251, Juni 2018.

E. Irfiani and S. S. Rani, "Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita," Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 6, no. 4, pp. 161-168, Oktober 2018.

E. Rimmy and Chuchra, "Use of Data Mining Techniques for the Evaluation of Student Performance:A Case Study," International Journal of Computer Science and Management Research, vol. 1, no. 3, October 2012.

S. Budi, Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis, Yogyakarta: Graha Ilmu, 2007.

M. E and K. S, "Penerapan Metode K-Means Untuk Clustering Produk Online Shop Dalam Penentuan Stok Barang," Jurnal Bianglala Informatika, vol. 3, no. 1, 2015.

P. Sari, B. Pramono and L. O. H. S. Sagala, "IMPROVE K-MEANS TERHADAP STATUS NILAI GIZI PADA BALITA," SemanTIK, vol. 3, no. 1, pp. 143-148, 2017.

LP2MP-UMA, Panduan Kurikulum Pendidikan Tinggi Universitas Medan Area, 2016.




DOI: https://doi.org/10.24114/cess.v4i2.13620

Article Metrics

Abstract view : 2744 times
PDF - 4526 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License

slot gacor slot