Aplikasi K-Means Clustering Untuk Mengelompokan Data Kinerja Akademik Mahasiswa

Authors

  • Rudi Rosadi Prodi Teknik Informatika, Departemen Ilmu Komputer
  • Akmal Akmal Prodi Teknik Informatika, Departemen Ilmu Komputer
  • Akik Hidayat Prodi Teknik Informatika, Departemen Ilmu Komputer
  • Bagus Kharismawan Prodi Teknik Informatika, Departemen Ilmu Komputer

Keywords:

Clustering, Algoritma K-Means, Indeks Prestasi Kumulatif (IPK), Kinerja Akademik

Abstract

Indeks Prestasi Kumulatif (IPK) biasanya dipergunakan sebagai indikator untuk melihat kinerja akademik mahasiswa. Evaluasi kinerja akademik adalah salah satu dasar untuk memantau perkembangan prestasi akademik mahasiswa di tingkat pendidikan yang lebih tinggi. Dalam mengevaluasi data kinerja akademik mahasiswa, ada kalanya data mahasiswa tersebut dikelompokan terutama bila data tersebut berjumlah besar, sehingga pola hubungan data di didalam kelompok maupun antar kelompok dapat diungkap. Pengelompokkan tersebut dapat dilakukan dengan metode clustering, salah satunya dengan algoritma K-Means. Selanjutnya algoritma ini dapat diterapkan pada sekumpulan data nilai mahasiswa dari Fakultas FMIPA Unpad.

Downloads

Download data is not yet available.

References

Han, Jiawei.,Kamber, Micheline. 2006. Data Mining Concepts and Techniques. San Francisco: Morgan Kaufmann Publishers.

Jang, JSR Sun, CT dan Mizutani, E. 2004. Neuro Fuzzy and Soft Computing. Singapore. Pearson Education.

Kusrini., Luthfi. 2009, Algoritma Data Mining. Yogyakarta : Andi Offset.

Arwan, Ahmad Khoiruddin. 2007; Menentukan Nilai Akhir Kuliah dengan Fuzzy C-Means. Bali ; Universitas Islam Indonesia.

Bagus, Kharismawan. 2015. Aplikasi K-Means dan Fuzzy C-Means Clustering Untuk Mengelompokan Data Mahasiswa FMIPA Unpad. Bandung :Universitas Padjadjaran.

Published

25-01-2018

How to Cite

[1]
R. Rosadi, A. Akmal, A. Hidayat, and B. Kharismawan, “Aplikasi K-Means Clustering Untuk Mengelompokan Data Kinerja Akademik Mahasiswa”, SENTER, pp. 92–96, Jan. 2018.