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...
Guardado en:
Autores principales: | , |
---|---|
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 |