KOMPARASI METODE CLUSTERING K-MEANS DAN FUZZY C-MEANS UNTUK MEMPREDEKSI KETEPATAN WAKTU LULUS 1121 106
DOI:
https://doi.org/10.26623/jprt.v15i1.1488Kata Kunci:
Clustering, K-Means, Fuzzy C-Means, PrediksiAbstrak
Metode data mining merupakan metode yang banyak digunakan oleh peneliti untuk mencari sebuah informasi dari sebuah kumpulan data-data, penelitian ini menggunakan object data lulusan mahasiswa Universitas Semarang. Data yang kita ambil yaitu dari jurusan Teknik Elektro dan Teknik Sipil.
Dengan menggunakan metode data mining terutama algoritma K-Means dan Fuzzy C-Means dapat mengidentifikasi ketepatan lulusan di jurusan Teknik Elektro dan Teknik Sipil. Dimana ada tiga cluster yaitu tepat waktu, tidak tepat waktu dan over studi.
Dari hasil penelitian dihasilkan validitas K-Means lebih kecil dan lebih baik, dengan validitas DBI sebesar 2.022, sedangkan FCM dengan validitas XBI didapatkan validitas sebesar 11.948. Dengan kesimpulan lulusan lama studi 4 tahun lebih 2 bulan dengan IPK rata-rata 3.13, sedangkan lama studi 4 tahun dengan ipk 3.42, dan untuk mahasiswa dengan lama studi 5 tahun lebih rata-rata ipk 2.88.
Referensi
Prasetyo, Eko (2014). Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab. Andi Publisher
Prasetyo, Eko (2013). Data Mining (Konsep dan Aplikasi Menggunakan Matlab). Andi Publisher
Kusrini dan EmhaTaufiq Lutfi (2009). Algoritma Data Mining. Andi Publisher
Astuti, Fajar Hermawati (2013). Data Mining. Andi Publisher.
Connolly, Thomas, and Carolyn Begg. "Database Systems, 5th." (2010).
Amalia, N., Shaufiah, S., & Sa'adah, S. (2015). Penerapan Teknik Data Mining untuk Klasifikasi Ketepatan Waktu Lulus Mahasiswa Teknik Informatika Universitas Telkom Menggunakan Algoritma Naive Bayes Classifier. eProceedings of Engineering, 2(3).
