Saputra, Risky Meisa (2024) IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING PADA DATA PMB STUDI KASUS UNIVERSITAS MUHAMMADIYAH BENGKULU UNTUK MENENTUKAN ASAL DAERAH YANG TERBANYAK. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.
![[img]](http://repository.umb.ac.id/style/images/fileicons/text.png) |
Text (Skripsi)
SKRIPSI RISKY.pdf - Submitted Version Restricted to Repository staff only Download (2MB) | Request a copy |
Abstract
Bidang penggalian data telah mengalami kemajuan yang signifikan berkat pertumbuhan cepat volume data dan perkembangan yang besar dalam kapasitas komputasi serta media penyimpanan. Kemajuan ini memiliki dampak penting bagi institusi seperti Universitas Muhammadiyah Bengkulu, terutama dalam mengelola dataset yang terus bertambah dari penerimaan mahasiswa baru, yang seringkali memiliki sifat transaksional. Teknik pengelompokan atau clustering menjadi metode yang efektif di pakai.Salah satu algoritma yang banyak digunakan untuk tujuan ini adalah K-Means, yang terkenal karena kesederhanaan dan efektivitasnya dalam mempartisi data ke dalam kelompok berdasarkan kemiripan.Penelitian ini berfokus pada penerapan K-Means Clustering untuk menganalisis dan mengelompokkan data penerimaan mahasiswa di Universitas Muhammadiyah Bengkulu. Dataset yang digunakan mencakup berbagai atribut seperti asal daerah, dan informasi demografis dari calon mahasiswa. Dengan menggunakan K-Means, tujuannya adalah untuk mengidentifikasi kelompokkelompok aplikasi dengan atribut yang serupa, sehingga dapat memberikan wawasan tentang tren penerimaan, distribusi regional, pola kinerja akademik, dan faktor-faktor lain yang mempengaruhi penerimaan. Studi ini menggunakan RapidMiner sebagai alat untuk menerapkan algoritma K-Means. RapidMiner menyediakan antarmuka yang mudah digunakan untuk preprocessing data, konstruksi model, evaluasi, dan visualisasi hasil pengelompokan. Melalui pendekatan ini, penelitian ini bertujuan untuk meningkatkan proses pengambilan keputusan terkait penerimaan mahasiswa dengan mengungkap pola dan tren yang tersembunyi yang mungkin tidak terlihat melalui metode analisis tradisional.Metodologi penelitian meliputi beberapa langkah kunci: pengumpulan dan preprocessing data, pemilihan atribut yang relevan, penerapan K-Means Clustering untuk mempartisi dataset menjadi kelompok-kelompok, evaluasi kualitas pengelompokan, dan interpretasi karakteristik kelompok. Hasil penelitian diharapkan dapat memberikan wawasan berharga bagi strategi perekrutan universitas, memungkinkan pendekatan yang lebih terfokus dalam penjangkauan dan dukungan mahasiswa. Secara keseluruhan, penelitian ini menyoroti pentingnya teknik penggalian data, khususnya K-Means Clustering, dalam memanfaatkan dataset besar untuk menghasilkan informasi yang dapat digunakan secara praktis bagi institusi pendidikan. Dengan menerapkan metodologi ini, Universitas Muhammadiyah Bengkulu dapat potensial mengoptimalkan proses penerimaan mahasiswa, meningkatkan strategi retensi, dan meningkatkan hasil pendidikan secara keseluruhan.
| Item Type: | Thesis (Skripsi (Bachelor)) |
|---|---|
| Additional Information: | Pembimbing : Muhammad Husni Rifqo, S.Kom., M.Kom |
| Uncontrolled Keywords: | rapidminner,analisis,clustering |
| Subjects: | Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Divisions: | 02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Depositing User: | Mr Muammar Hafiz Khattami |
| Date Deposited: | 26 Sep 2024 03:10 |
| Last Modified: | 26 Sep 2024 03:10 |
| URI: | http://repository.umb.ac.id/id/eprint/288 |
Actions (login required)
 |
View Item |