Implementasi Metode K-Means Clustering untuk Pengelompokan Lulusan STMIK-Banjarbaru Berdasarkan Kompetensi
Abstract
Setiap lulusan STMIK Banjarbaru memiliki IPK dan lama studi yang berbeda-beda, tapi dengan IPK dan lama studi saja tidak bisa menunjukkan kualitas kompetensi yang dimiliki oleh lulusan STMIK Banjarbaru. Sehingga dalam penelitian ini pengelompokan lulusan STMIK Banjarbaru tidak hanya berdasarkan IPK dan lama studi saja, tetapi ditambah nilai kompetensi tertentu. Untuk itulah perlu dibangun aplikasi pembantu dalam mengelompokkan lulusan STMIK Banjarbaru berdasarkan kompetensi dengan metode clustering K-Means. Algoritma K-Means adalah metode clustering berbasis jarak yang membagi data ke dalam sejumlah cluster dan algoritma ini hanya bekerja pada atribut numerik. Kelebihan metode k-means diantaranya adalah mampu mengelompokan objek besar dan pencilan objek dengan sangat cepat sehingga mempercepat proses pengelompokan. Pada penelitian ini akan digunakan algoritma clustering K-Means untuk mengelompokkan lulusan STMIK Banjarbaru berdasarkan kompetensi.
Kata kunci: lulusan STMIK Banjarbaru, kompetensi, klastering K-Means.
References
Santosa B. Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis Yogyakarta: Graha Ilmu. 2007.
Witten IH, Frank E. Data Mining Practical Machine Learning Tools and Techniques, Second Edition San Fransisco: Morgan Kaufmann; 2005.
Agusta Y. K-Means - Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika. 2007; Vol. 3.
Agustina, Sri Rahma. Budi Rahmani. Penerapan Metode FCM untuk Pengelompokkan Kelurahan Berdasarkan Tingkatan Keluarga Sejahtera. Jurnal Teknik Informatika dan Sistem Informasi (JUTISI). 2012; Vol 1 No. 1: 77-94.
How To Cite This :
Refbacks
- There are currently no refbacks.