Maulana, Zakwan (2022) PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENERIMA BEASISWA SISWA BARU DI SMAN 1 MUARO JAMBI. Skripsi thesis, UNAMA.
Text
BAB I.pdf Download (127kB) |
|
Text
BAB II.pdf Restricted to Registered users only Download (1MB) |
|
Text
BAB III.pdf Restricted to Registered users only Download (137kB) |
|
Text
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text
BAB V.pdf Download (1MB) |
|
Text
BAB VI.pdf Download (107kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (127kB) |
Abstract
SMA NEGERI 1 MUARO JAMBI adalah sekolah menengah atas (SMA) yang berlokasi Jln.lintas Jambi Muaro Bulian Km.20, Kelurahan Pijoan, Kecamatan Jambi Luar Kota, Kabupaten Muaro Jambi, Provinsi Jambi. Jumlah peminat beasiswa di sekolah ini tergolong banyak, dimana saat ini proses penyeleksian masih dilakukan dengan sistem manual dan belum menggunakan metode sistematis. Pihak-pihak kesiswaan masih harus menyeleksi satu persatu berkas siswa yang mengajukan secara manual. Sehingga dibutuhkan media baru untuk mengimput data peserta didik agar lebih mudah. Penggunaan metode K-Means Clustering merupakan cara yang dapat digunakan untuk mempermudah dalam menyeleksi data peserta didik, karena metode K-Means Clustering dapat mengelompokkan data ke dalam beberapa kelompok dengan sistem partisi. Metodologi yang dilakukan yaitu mengumpulkan data dari sekolah menggunakan data peserta didik dan data orang tua kemudian data tersebut diseleksi atribut yang berpengaruh dalam Clustering untuk menentukan Prioritas Penerima Beasiswa pada SMAN 1 Muaro Jambi. Kemudian dilakukan proses integrasi pada data yang telah dipilih, sehingga data sesuai untuk proses data mining. Tahap yang terakhir proses pengklasteran dan menggunakan alat bantu (tools) WEKA terhadap data siswa, data pekerjaan orang tua, dan data gaji orang tua untuk menentukan prioritas penerima beasiswa yang efektif dan efisien. Hasil perhitungan Tools Rapid Miner yang dilakukan di SMAN 1 Muaro Jambi didapatkan cluster 0 terdapat 143 data siswa dengan persentase 65.89%, cluster 1 terdapat 51 data siswa dengan persentase 23.50%, cluster 2 terdapat 23 data siswa dengan persentase 10.59%. Dengan hasil yang didapatkan dari perhitungan yang dilakukan menggunakan metode K-Means Clustering didaptkan angka berupa kelompok dari data diri peserta didik menjadi persentase yang dapat di input secara langsung, sehingga penggunaan metode K-Means Clustering dapat dikatakan lebih mempermudah sekolah untuk penginputannya.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | Artificial Intelligence |
Divisions: | Skripsi > Sistem Informasi > 2022 |
Depositing User: | Digital Library |
Date Deposited: | 11 Sep 2023 03:11 |
Last Modified: | 11 Sep 2023 03:11 |
URI: | http://repository.unama.ac.id/id/eprint/2512 |
Actions (login required)
View Item |