Awaludin, Muklas Bintar (2020) Penerapan Algoritma K-Means Clustering Untuk Menentukan Prioritas Penerima Beasiswa Jurusan Multimedia Di SMK Negeri 2 Kota Jambi. Skripsi thesis, Universitas Dinamika Bangsa.
Text
BAB I.pdf Download (302kB) |
|
Text
BAB II.pdf Restricted to Registered users only Download (592kB) |
|
Text
BAB III.pdf Restricted to Registered users only Download (204kB) |
|
Text
BAB IV.pdf Restricted to Registered users only Download (2MB) |
|
Text
BAB V.pdf Download (777kB) |
|
Text
BAB VI.pdf Download (419kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (397kB) |
Abstract
Data mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan secara otomatis. SMK Negeri 2 Kota Jambi adalah salah satu sekolah dikota jambi yang memiliki program beasiswa. Selain tingkat akurasi data juga dibutuhkan efisiensi waktu pengolahan data calon penerima beasiswa. Terdapat kerumitan dalam pengolahan data selama ini, yaitu menentukan prioritas penerima beasiswa yang tepat agar dapat membantu mempermudah pihak sekolah dalam menentukan calon penerima beasiswa. Dalam melakukan analisis, penulis menggunakan data siswa 2019 kemudian disajikan kedalam format .csv dengan menggunakan alat bantu tools Excel dan RapidMiner dengan Algoritma K-means dengan 6 atribut dan 3 cluster, tools Excel mendapatkan hasil yang sama yaitu cluster pertama sebanyak 103 data siswa, cluster kedua sebanyak 140 data siswa, cluster ketiga sebanyak 172 data siswa, sedangkan tools RapidMiner mendapatkan hasil cluster pertama sebanyak 301 data siswa dengan persentase 72,53%, cluster kedua sebanyak 39 data siswa dengan persentase 9,40%, cluster ketiga sebanyak 75 data siswa dengan persentase 18,09%.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | Artificial Intelligence |
Divisions: | Skripsi > Teknik Informatika > 2020 |
Depositing User: | Digital Library |
Date Deposited: | 13 Aug 2020 03:57 |
Last Modified: | 13 Aug 2020 03:57 |
URI: | http://repository.unama.ac.id/id/eprint/1386 |
Actions (login required)
View Item |