PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN KELAYAKAN PENERIMA BEASISWA DI SMA ADHYAKSA KOTA JAMBI

TEGUH, ANUGRAH (2024) PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN KELAYAKAN PENERIMA BEASISWA DI SMA ADHYAKSA KOTA JAMBI. Skripsi thesis, UNAMA.

[img] Text
BAB I.pdf

Download (197kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (471kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (584kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (2MB)
[img] Text
BAB V.pdf

Download (99kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (182kB)

Abstract

Data mining adalah proses atau teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan secara otomatis. SMA Adhyaksa Kota Jambi merupakan 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 kelayakan penerima beasiswa agar dapat membantu mempermudah pihak sekolah dalam menentukan calon penerima beasiswa. Dalam melakukan analisis, penulis menggunakan data siswa 2023 kemudian disajikan kedalam format .xlsx dengan menggunakan alat bantu tools Excel dan SPSS dengan Algoritma K-means dengan 7 atribut dan 3 cluster, tools Excel mendapatkan hasil yang berbeda yaitu (Cluster 1) sebanyak 157 data siswa sebgai prioritas kedua, (Cluter 2) sebanyak 88 data siswa sebagai prioritas ketiga, (Cluster 3) sebanyak 206 data siswa sebagai prioritas pertama, sedangkan tools SPSS mendapatkan hasil yaitu (Cluster 1) sebanyak 222 data siswa sebagai prioritas kedua, (Cluster 2) sebanyak 91 data siswa sebagai prioritas ketiga, (Cluster 3) sebanyak 138 data siswa sebagai prioritas pertama.

Item Type: Thesis (Skripsi)
Divisions: Skripsi > Teknik Informatika > 2024
Depositing User: Digital Library
Date Deposited: 25 Sep 2024 09:10
Last Modified: 25 Sep 2024 09:10
URI: http://repository.unama.ac.id/id/eprint/3787

Actions (login required)

View Item View Item