DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN

Universitas medan area memiliki dosen dengan jumlah yang banyak dimana setiap dosen mengampuh matakuliah sesuai bidang keahliannya masing-masing. Setiap semesternya dosen diwajibkan membuat dokumen pengajaran seperti Silabus, RPS, Kontrak Kuliah, RPP dan kemudian diupload ke aplikasi RPS milik Unive...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Rizki Muliono, Zulfikar Sembiring
Formato: article
Lenguaje:ID
Publicado: Universitas Negeri Medan 2019
Materias:
Acceso en línea:https://doaj.org/article/66de4951995841e69815665819fa3b68
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
id oai:doaj.org-article:66de4951995841e69815665819fa3b68
record_format dspace
spelling oai:doaj.org-article:66de4951995841e69815665819fa3b682021-11-27T05:26:26ZDATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN2502-71312502-714X10.24114/cess.v4i2.13620https://doaj.org/article/66de4951995841e69815665819fa3b682019-07-01T00:00:00Zhttps://jurnal.unimed.ac.id/2012/index.php/cess/article/view/13620https://doaj.org/toc/2502-7131https://doaj.org/toc/2502-714XUniversitas medan area memiliki dosen dengan jumlah yang banyak dimana setiap dosen mengampuh matakuliah sesuai bidang keahliannya masing-masing. Setiap semesternya dosen diwajibkan membuat dokumen pengajaran seperti Silabus, RPS, Kontrak Kuliah, RPP dan kemudian diupload ke aplikasi RPS milik Universitas Medan Area untuk dinilai oleh Unit LP2MP yang memiliki tugas malakukan klasterisasi terhadap hasil pembobotan nilai dari tiap-tiap dokumen dari dosen-dosen. Hasil klasterisasi tersebut selanjutnya akan merujuk pada pemberian besaran nilai tunjangan yang di berikan kepada dosen yang membuat dan mengumpulkan dokumen-dokumen pengajaran tesebut. Untuk membantu klasterisasi digunakan algoritma K-Means Clustering adalah salah satu teknik dari data mining dengan metode clustering non hirarki didalam prosesnya berusaha mempartisi data-data yang ada ke dalam bentuk klaster. Penelitian ini diharapkan dapat membantu proses klasterisasi dengan nilai yang mendekati karakteristik menjadi lebih efektif. Ketepatan prediksi yang dilakukan oleh algortima K-means terhadap 15 data mengalami perbedaan ketepatan, hanya sebanyak 53.33% akurasi prediksi bernilai benar.Rizki MulionoZulfikar SembiringUniversitas Negeri Medanarticledata miningalgoritma k-means clusteringtingkat tridarma dosenklasterisasiElectronic computers. Computer scienceQA75.5-76.95IDCESS (Journal of Computer Engineering, System and Science), Vol 4, Iss 2, Pp 272-279 (2019)
institution DOAJ
collection DOAJ
language ID
topic data mining
algoritma k-means clustering
tingkat tridarma dosen
klasterisasi
Electronic computers. Computer science
QA75.5-76.95
spellingShingle data mining
algoritma k-means clustering
tingkat tridarma dosen
klasterisasi
Electronic computers. Computer science
QA75.5-76.95
Rizki Muliono
Zulfikar Sembiring
DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN
description Universitas medan area memiliki dosen dengan jumlah yang banyak dimana setiap dosen mengampuh matakuliah sesuai bidang keahliannya masing-masing. Setiap semesternya dosen diwajibkan membuat dokumen pengajaran seperti Silabus, RPS, Kontrak Kuliah, RPP dan kemudian diupload ke aplikasi RPS milik Universitas Medan Area untuk dinilai oleh Unit LP2MP yang memiliki tugas malakukan klasterisasi terhadap hasil pembobotan nilai dari tiap-tiap dokumen dari dosen-dosen. Hasil klasterisasi tersebut selanjutnya akan merujuk pada pemberian besaran nilai tunjangan yang di berikan kepada dosen yang membuat dan mengumpulkan dokumen-dokumen pengajaran tesebut. Untuk membantu klasterisasi digunakan algoritma K-Means Clustering adalah salah satu teknik dari data mining dengan metode clustering non hirarki didalam prosesnya berusaha mempartisi data-data yang ada ke dalam bentuk klaster. Penelitian ini diharapkan dapat membantu proses klasterisasi dengan nilai yang mendekati karakteristik menjadi lebih efektif. Ketepatan prediksi yang dilakukan oleh algortima K-means terhadap 15 data mengalami perbedaan ketepatan, hanya sebanyak 53.33% akurasi prediksi bernilai benar.
format article
author Rizki Muliono
Zulfikar Sembiring
author_facet Rizki Muliono
Zulfikar Sembiring
author_sort Rizki Muliono
title DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN
title_short DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN
title_full DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN
title_fullStr DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN
title_full_unstemmed DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN
title_sort data mining clustering menggunakan algoritma k-means untuk klasterisasi tingkat tridarma pengajaran dosen
publisher Universitas Negeri Medan
publishDate 2019
url https://doaj.org/article/66de4951995841e69815665819fa3b68
work_keys_str_mv AT rizkimuliono dataminingclusteringmenggunakanalgoritmakmeansuntukklasterisasitingkattridarmapengajarandosen
AT zulfikarsembiring dataminingclusteringmenggunakanalgoritmakmeansuntukklasterisasitingkattridarmapengajarandosen
_version_ 1718409164457246720