SISTEM PENDUKUNG KEPUTUSAN MULTIDIMENSI MENGGUNAKAN K-MEANS CLUSTERING BERBASIS MAHALANOBIS DISTANCE
|
|
- Ridwan Kusnadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM PENDUKUNG KEPUTUSAN MULTIDIMENSI MENGGUNAKAN K-MEANS CLUSTERING BERBASIS MAHALANOBIS DISTANCE WRS Nurwidodo 1) dan Mochamad Hariadi 2) Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS Keputih, Sukolilo, Surabaya 60111, Jawa Timur 1), 2) ABSTRAK Dalam meningkatkan kualitas pendidikan PTK salah satunya dapat melalui diklat. Banyak PTK yang secara persyaratan seharusnya mendapat kesempatan sebagai calon peserta diklat tetapi secara prioritas tidak. Maka sangat dibutuhkan nominasi kelompok PTK yang dapat diprioritas menjadi calon peserta diklat. Permasalahan yang sering terjadi adalah pada proses rekruitmen calon peserta diklat. Penelitian ini akan mendukung adanya system pendukung keputusan untuk membantu menampilkan visualisasi hasil clustering menggunakan K-Means sebagai nominasi kelompok calon peserta diklat. Parameter yang digunakan sebagai data input adalah usia, golongan, masa kerja, dan pendidikan. Data record setelah proses preprocessing didapat 191 data. Kemudian dilakukan clustering dengan ukuran cluster 2 sampai 10 dengan random seed 10, 20, 30, dan 40 diperoleh hasil clustering terbaik dengan ukuran cluster 7 dan random seed 30 yang memiliki total SSE 7, dengan penyebaran anggota yang tidak merata di setiap cluster. Validasi hasil clustering K-Means menggunakan Mahalanobis distance diperoleh kesesuaian anggota cluster terhadap clusternya. Tingkat kesesuaian 93,94% cluster 2, 93,75% cluster 3, 96,15% cluster 5 dan 92,59% cluster 6. Dari hasil clustering diperoleh mean cluster terkecil dan terbesar terhadap mean parameternya. Mean terkecil parameter usia pada cluster 5, golongan pada cluster 3, masakerja pada cluster 1 dan pendidikan pada cluster 6. Mean terbesar parameter usia pada cluster 4, golongan pada cluster 4, masakerja pada cluster 4 dan pendidikan pada cluster 6. Hal ini menunjukkan tingkat kemiripan dalam satu cluster besar. Kata kunci: K-Means, clustering, SSE, Mahalanobis distance PENDAHULUAN Latar Belakang UU RI nomor 20 tahun 2003 tentang Sistem Pendidikan Nasional pasal 1 ayat 1 menyatakan bahwa Pendidikan adalah usaha sadar dan terencana untuk mewujudkan suasana belajar dan proses pembelajaran agar peserta didik secara aktif mengembangkan potensi dirinya untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian, kecerdasan, akhlak mulia, serta keterampilan yang diperlukan dirinya, masyarakat, bangsa dan negara. Dan pasal 26 ayat 4 menyatakan bahwa satuan pendidikan nonformal terdiri atas lembaga kursus, lembaga pelatihan, kelompok belajar, pusat kegiatan belajar masyarakat, dan majelis taklim, serta satuan pendidikan yang sejenis. Dengan terlaksananya pendidikan dan pelatihan (diklat) pendidik dan tenaga kependidikan (PTK) diharapkan akan berdampak pada meningkatnya mutu pembelajaran dan pendidikan secara berkelanjutan. C-20-1
2 Peningkatan mutu pendidikan diiringi pula dengan meningkatnya kualitas sumber daya pendidikan diantaranya pendidik dan tenaga kependidikan. Mereka ditingkatkan mutunya melalui peningkatan tingkat pendidikan dan pelatihan secara bertahap. Hal ini dapat dilihat dan ditentukan melalui database pendidik dan tenaga kependidikan yang ada dan terupdate. Database pendidik dan tenaga kependidikan merupakan kumpulan informasi pendidik dan tenaga kependidikan yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari basis data tersebut, diantaranya berupa data status keaktifan dan kepegawaian, kualifikasi pendidikan, bidang studi yang diajarkan, tingkat sekolah, masa kerja, usia, pangkat/golongan, beban kerja, tugas tambahan dan prestasi kerja. Database tersebut dapat juga diproses dan digunakan sebagai sarana untuk membantu menetapkan calon peserta diklat sehingga dapat diharapkan diperoleh peserta diklat sesuai dengan materi yang diselenggarakan. Persyaratan peserta diklat teknis dan fungsional dalam kementerian pendidikan dan kebudayaan secara umum adalah PNS yang memenuhi syarat sebagai berikut: - Pangkat/golongan disesuaikan dengan jenis diklat teknis - Pendidikan minimal SLTA - Sehari-hari bertugas sesuai dengan bidang tugasnya. - Usia maksimal 50 tahun. - DP3 dua tahun terakhir rata-rata baik dengan nilai terendah baik - Ditugaskan oleh atasan langsung yang bersangkutan. - Kesehatan baik yang dinyatakan oleh dokter. Adapun usulan calon peserta diklat dilakukan oleh pejabat yang berwenang di instansi masing-masing yaitu : - Calon peserta dari instansi pusat diajukan oleh pejabat pimpinan yang bersangkutan. - Calon peserta dari perguruan tinggi diajukan oleh Rektor/Direktur/BAUK /Pejabat yang ditunjuk. - Calon peserta dari dinas kabupaten dan kota diajukan/ditugaskan oleh pimpinan yang besangkutan. Permasalahan yang sering terjadi adalah masih banyaknya PTK yang belum mendapat kesempatan mengikuti diklat meskipun secara teknis sudah memenuhi persyaratan diklat. Dari hal tersebut dengan visualisasi clustering PTK yang sesuai persyaratan peserta diklat teknis dan fungsional diharapkan dapat memberikan gambaran alternative sebagai system pendukung keputusan untuk menetapkan calon peserta diklat. Penelitian ini akan mendukung adanya sistem pendukung keputusan untuk membantu menampilkan visualisasi hasil clustering sebagai calon peserta diklat. Harapannya dapat bermanfaat untuk membantu dinas pendidikan kabupaten/kota dan instansi terkait dalam menentukan keputusan calon peserta diklat yang sesuai dengan persyaratan dan ketentuan dalam pedoman. Dengan metode clustering menggunakan K-Means diharapkan dapat membantu dalam pengambilan keputusan yang tepat dari data-data yang telah dikelompokkan sesuai dengan persyaratan dan ketentuan dalam pedoman yang telah ditetapkan. Rumusan Masalah Pada penelitian ini permasalahan yang akan dibahas adalah 1. Apakah dengan K-Means dapat menampilkan visualisasi hasil clustering untuk pengelompokan calon peserta diklat? 2. Apakah dengan Mahalanobis distance dapat menunjukkan validasi hasil clustering? C-20-2
3 Batasan Masalah Untuk menghindari kesalahan persepsi dan tidak melebarnya pokok permalahan maka penelitian ini dititikberatkan pada: - SPK untuk proses penetapan calon peserta diklat yang menggunakan database pendidik dan tenaga kependidikan (PTK) provinsi Jawa Timur kota Kediri pada pendidikan jenjang Sekolah Menengah Kejuruan (SMK). - Penggunaan teknik clustering dengan menggunakan algoritma K-Means. - Data berupa kumpulan parameter dan relasional yang merupakan representasi dari variabel data diri PTK. - Parameter yang diukur dalam penetapan calon peserta diklat yaitu usia, golongan, masa kerja dan pendidikan terakhir. Tujuan Penelitian Adapun tujuan khusus dalam penelitian ini adalah: 1) Untuk mengetahui penerapan teknik clustering dengan menggunakan algoritma K-Means pada data PTK 2) Untuk mengetahui apakah Mahalanobis distance dapat menguji validasi hasil clustering dari penggunaan metode K-Means. Sedangkan tujuan umum dalam penelitian ini adalah: 1) Mewujudkan sistem pendukung keputusan dalam menetapkan pengelompokan calon peserta diklat yang sesuai dengan persyaratan dan ketentuan dalam diklat. 2) Membantu PTK yang sesuai persyaratan diklat untuk mendapat kesempatan dikirim sebagai calon peserta diklat. 3) Meminimalis permasalahan dalam penetapan calon peserta diklat. METODE Pada bab ini akan dijelaskan metode dan cara kerja yang dilakukan pada penelitian ini untuk menghasilkan penetapan calon peserta diklat yang berbasis parameter yang ada dalam database PTK. Proses dasar pengembangan secara umum pada penelitian ini terdiri dari tahapan berikut. Data Input Data Proses Output Pengambilan Data Input Gambar 1. Blok diagram system kerja penelitian Data input yang digunakan dalam penelitian ini adalah database SIMNUPTK provinsi Jawa Timur yang didalamnya terdapat database pendidik dan tenaga kependidikan (PTK) yang terdapat informasi yang akan dijadikan dasar clustering dalam penetapan calon peserta diklat. Adapun database yang digunakan sebagai sampel dalam penelitian ini adalah database PTK pada kota Kediri pada pendidikan jenjang SMK. Sedangkan parameter yang digunakan untuk proses clustering yaitu usia, golongan, masakerja dan pendidikan. Preprocessing data Pada tahap ini dilakukan persiapan yang meliputi seleksi data, transformasi data, dan pembersihan data yang bertujuan mentransformasikan data mentah ke format yang sesuai C-20-3
4 untuk dianalisis. Pada tahap ini dilakukan proses seleksi parameter yang digunakan, reduksi dimensionalita, normalisasi data dan subsetting data. Dari preprocessing data diperoleh data input disimpan dalam format xls. Pembersihan Data Data-data yang telah terkumpul selanjutnya akan mengalami proses pembersihan. Proses ini digunakan untuk membuang data yang tidak konsisten dan bersifat noise dari data yang terdapat di berbagai basisdata yang mungkin berbeda format maupun platform yang kemudian dinintegrasikan dalam satu database datawarehouse. Data yang tidak konsisten dan banyak kesalahan membuat hasil data mining tidak akurat karena sangat penting membuat data konsisten dan seragam. Pembersihan data juga dapat membantu untuk mengkonsolidasi record. Scaling Data Scaling data merupakan proses mengubah data sehingga berada dalam skala tertentu. Pada penelitian ini proses scaling data dengan merubah data pada skala antara 0 dan 10. Untuk proses scaling data dengan parameter usia, golongan, masa kerja dan pendidikan terakhir dilakukan dengan persamaan berikut (Santosa, 2007): = ( ) + Dengan : besar nilai tiap record data parameter : nilai data maksimum kolom : nilai data minimum kolom BB : batas bawah skala BA : batas atas skala Untuk parameter usia dan masa kerja bertipe numerik sedangkan golongan dan tingkat pendidikan bertipe kategorik. Supaya algoritma K-Means bekerja dengan baik maka parameter golongan dan pendidikan dikonversikan menjadi nilai numerik seperti dalam tabel.1 dan tabel.2. Tabel 1. Konversi golongan Proses clustering Golongan Konversi Golongan Konversi I/A 0 III/B 9 I/B 1 III/C 10 I/C 2 III/D 11 I/D 3 IV/A 12 II/A 4 IV/B 13 II/B 5 IV/C 14 II/C 6 IV/D 15 II/D 7 IV/E 16 III/A 8 Tabel 2. Konversi pendidikan Pendidikan Konversi Pendidikan Konversi SLTA 0 S1/D4 4 D1 1 S2 5 D2 2 S3 6 D3 3 Proses clustering menggunakan algoritma K-Means dilakukan menggunakan tool WEKA versi 3.6. Sebelum proses clustering dilakukan, data disimpan dalam bentuk arff. Kemudian data dilakukan proses clustering dengan menentukan ukuran cluster (k) dan C-20-4
5 random seed (s) sebelumnya. Dari hasil clustering didapatkan data berupa jumlah iterasi, sum of square error (SSE), centroid cluster, waktu yang dibutuhka n pemrosesan dan anggota cluster. Output Pada tahap ini dilakukan interpretasi pengetahuan yang diperoleh data dari proses clustering dan dilakukan visualisasi cluster dihasilkan dalam bentuk grafik. Proses Validasi Validasi termasuk usaha yang dilakukan oleh peneliti untuk menjamin bahwa hasil cluster adalah representatif terhadap populasi secara umum, dan dengan demikian dapat digeneralisasi untuk objek yang lain dan stabil untuk waktu tertentu. Pendekatan langsung dalam hal ini adalah dengan analisis hasil clustering K-Means dengan jarak Mahalanobis. Anggota dalam tiap cluster dilihat validitas dengan menghitung jarak Mahalanobisnya terhadap centroid tiap cluster. Apabila jarak yang diperoleh terhadap centroidnya paling kecil dibanding jarak ke centroid cluster lain berarti anggota cluster itu sesuai berada dalam kelompok itu karena mempunyai kemiripan yang besar. Sebaliknya apabila jarak anggota ke centroidnya tidak memiliki nilai terkecil dibanding jarak ke centorid cluster lain berarti anggota cluster tidak sesuai berada dalam kelompok itu karena kurang mempunyai kesamaan kemiripan. HASIL DAN PEMBAHASAN Penyiapan Data Input Data yang dijadikan penelitian ini adalah database PTK dari kota Kediri dari jenjang pendidikan SMK. Setelah dilakukan tahap pembersihan data, parameter usia dalam data ini diperoleh X mak = 50 dan X min = 35. Kemudian dilakukan proses scaling data sehingga menghasilkan nilai input parameter usia. Parameter golongan dalam data ini setelah dilakukan konversi diperoleh parameter golongan dengan X mak = 13 dan X min = 6. Kemudian dilakukan proses normalisasi sehingga diperoleh nilai input parameter golongan. Pada parameter masa kerja (MK) dalam data ini setelah dilakukan proses pembersihan data diperoleh parameter masa kerja dengan X mak = 23 dan X min = 5, sehingga proses scaling data diperoleh nilai input masa kerja. Setelah dilakukan konversi data parameter pendidikan dalam data ini diperoleh parameter pendidikan dengan X mak = 5 dan X min = 3. Kemudian dilakukan proses scaling data sehingga diperoleh nilai input pendidikan. Adapun data yang sudah dilakukan proses pembersihan, konversi dan scaling data adalah database PTK kota Kediri pendidikan jenjang SMK dan diperoleh sejumlah 191 record sebagai data input. Klasterisasi Pada tahapan ini dilakukan clustering menggunakan algoritma K-Means. Proses clustering dilakukan menggunakan tool WEKA 3.6. Percobaan clustering dilakukan untuk ukuran cluster 2 sampai 10. Untuk masing-masing ukuran cluster (k) dilakukan percoba an dengan random seed (s) 10, 20, 30, dan 40. Algoritma K-Means akan menghasilkan pusat cluster (means) untuk masing -masing cluster sesuai dengan ukuran cluster. Pusat cluster (means) untuk ukuran cluster 7 dan random seed 30 yang merupakan hasil clustering terbaik karena nilai within cluster sum of squared errors (SSE) cenderung jauh lebih kecil dibandingkan dengan total SSE lainnya untuk s yang C-20-5
6 berbeda pada k = 7. Data pusat cluster ditunjukkan pada tabel 3. Tabel 3. Pusat cluster untuk k = 7 dan s = 30 Cluster Usia Golongan Masakerja Pendidikan Full data Persentase dan jumlah anggota masing-masing cluster dengan ukuran cluster k = 7 dan random seed s = 30 disajikan pada tabel 8. Evaluasi Cluster Tabel 4. Persentase dan jumlah anggota cluster dengan k = 7 dan s = 30 Cluster Jumlah Anggota Persentase (%) , , , , , , ,14 Hasil clustering dari setiap kombinasi k (ukuran cluster) dan s (random seed) dievaluasi menggunakan total SSE (sum of square error). Total SSE sudah mencukupi untuk evaluasi cluster menggunakan K-Means karena meminimalkan SSE (cohesion) ekuivalen dengan memaksimalkan SSB (separation). Nilai total SSE untuk clustering dari setiap kombinasi k dan s disajikan berikut. Tabel 5. Total SSE k s , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Pada tabel 5 terlihat bahwa untuk ukuran cluster (k) = 2 dan 4 dengan nilai random seed (s) yang berbeda, nilai total SSE-nya relatif sama. Untuk k yang lain dengan s kombinasi diperoleh nilai total SSE yang berbeda. Hal ini berpengaruh pada jumlah iterasi dari algoritma K-Means. Jumlah iterasi untuk masing-masing ukuran cluster dan random seed disajikan pada Tabel 10 Jumlah iterasi pada algoritma K-Means tidak terlalu berpengaruh terhadap waktu eksekusi karena algoritma K-Means memiliki kompleksitas linear terhadap ukuran obyek data. C-20-6
7 Tabel 6. Jumlah iterasi k s Pada tabel 5 dapat dilihat bahwa nilai total SSE menurun seiring dengan bertambahnya ukuran cluster. Hal ini sesuai dengan karakteristik dari algoritma yang menggunakan kriteria total kuadrat jarak. Pada algoritma yang menggunakan kriteria total kuadrat jarak, clustering terbaik akan selalu memilih sebanyak mungkin jumlah cluster yaitu sebanyak obyek data (Witten & Frank 2005). Pada tabel 5 terdapat satu nilai total SSE yang menarik pada k = 7 dan s = 30 yaitu 7, Total SSE ini cenderung jauh lebih kecil dibandingkan dengan total SSE lain untuk s yang berbeda pada k = 7, bahkan lebih kecil dibanding total SSE pada k = 8 untuk s = 30. SSE k Gambar 1. Total SSE terhadap k Pada gambar 1 diplotkan grafik nilai k terhadap total SSE minimal untuk setiap k dari Tabel 5. Pada gambar 4.1 dapat dilihat adanya distinct knee pada k = 7. Nature number of cluster dapat ditemukan dalam obyek data dengan melihat ukuran cluster ketika terdapat knee, peak atau dip dalam grafik plot besaran evaluasi terhadap ukuran cluster (Tan et al. 2006). Berdasarkan hasil di atas maka ukuran cluster k = 7 dan s = 30 merupakan hasil clustering terbaik. Validasi Hasil Clustering Dari proses K-Means dalam penelitian ini diperoleh clustering terbaik sebanyak 7 cluster. Anggota tiap cluster dihitung tingkat kemiripannya melalui jarak Mahalanobis terhadap centorid clusternya dan centroid cluster lain. Adapun hasil penghitungan jarak Mahalanobis anggota tiap cluster ditunjukkan pada tabel di lampiran. Semakin kecil jarak yang dihasilkan antar data anggota dengan centroid cluster maka semakin besar kemiripannya. Dari hasil penghitungan jarak Mahalanobis dapat diperoleh tingkat kesesuian anggota cluster berada dalam clusternya seperti tabel berikut. C-20-7
8 Tabel 7. Tingkat kesesuaian Cluster Cluster Jumlah Anggota Tidak Sesuai Kesesuaian (%) , , , ,59 Pada tabel terlihat bahwa cluster 1 dan 4 memiliki tingkat kesesuaian cluster 100%. Hal ini berarti semua anggota dalam cluster memiliki tingkat kemiripan yang realtif sama. Sedangkan pada cluster 0, 2, 3, 5 dan 6 memiliki tingkat kesesuaian kurang dari 100%. Jarak Mahalanobis anggota ke pusat cluster tidak merupakan jarak yang terkecil dibandingkan jaraknya ke pusat cluster lain. Hal ini berarti ada anggota dalam cluster yang tidak sesuai berada dalam clusternya karena kurang memiliki kemiripan yang sama dalam satu cluster. Visualisasi Hasil Clustering Visualisasi hasil clustering ditunjukkan melalui grafik hubungan antara plot cluster terhadap masing-masing parameter. Pada tiap parameter didapatkan cluster dengan mean terkecil yang kemudian dibuat acuan sebagai prioritas utama dan cluster dengan mean terbesar sebagai prioritas rendah. Sedangkan cluster yang lainnya dimasukkan prioritas sedang. Gambar 2. Plot cluster terhadap parameter usia Pada gambar 2 terlihat bahwa pada parameter usia, anggota cluster 5 memiliki nilai usia yang relatif kecil (mean = ) dan anggota cluster 4 memiliki nilai usia yang relatif lebih besar (mean = ). Hal ini berarti anggota cluster 5 banyak yang mempunyai nilai usia dibawah mean parameter usia (5.1026) dan anggota cluster 4 banyak yang memiliki nilai usia diatas mean parameter sehingga dapat dipertimbangkan dalam pendukung keputusan. Sedangkan pada anggota cluster 0, 1, 2, 3, dan 6, ada anggota yang memiliki nilai usia diatas maupun dibawah mean parameter. C-20-8
9 Gambar 3. Plot cluster terhadap parameter golongan Pada gambar 3 terlihat bahwa pada parameter golongan menunjukkan anggota cluster 3 memiliki nilai yang relatif kecil (mean = 2.625) dan anggota cluster 4 memiliki nilai yang relatif besar (mean = ) dari parameter golongan (mean = ). Hal ini berarti anggota cluster 3 mayoritas yang masih mempunyai golongan di bawah mean dan anggota cluster 4 mayoritas yang memiliki golongan di atas mean cluster sehingga dapat dijadikan pertimbangan untuk pengambil keputusan. Sedangkan untuk cluster lainnya ada anggota yang mempunyai golongan dibawah maupun diatas mean parameter. Gambar 4. Plot cluster terhadap parameter masa kerja Pada gambar 4. parameter masa kerja terlihat anggota cluster 1 cenderung memiliki nilai yang relatif lebih kecil (mean = ) dan anggota cluster 4 cenderung memiliki nilai yang relatif lebih besar (mean = ) terhadap mean parameter masakerja (mean = ). Anggota cluster 1 banyak yang memiliki masa kerja dibawah mean parameter dan anggota cluster 4 banyak yang memiliki masa kerja di atas mean paramter sehingga hal ini dapat dijadikan pertimbangan untuk pendukung keputusan. Gambar 5. Plot cluster terhadap parameter pendidikan C-20-9
10 Pada gambar 5 parameter tingkat pendidikan terlihat anggota cluster 6 cenderung memiliki nilai yang relatif kecil (mean = ) dan anggota cluster 0 cenderung memiliki nilai relatif besar (means = 10) terhadap mean parameter pendidikan (mean = ). Tingkat pendidikan pada anggota cluster 6 ada yang memiliki ijazah terakhir belum sarjana dan anggota cluster 5 banyak yang sudah menempuh pascasarjana sehingga hal ini dapat dijadikan pertimbangan untuk pendukung keputusan. Sedangkan untuk cluster lain, anggota cluster ada yang mempunyai pendidikan terakhir sarjana dan pascasarjana. Berdasarkan dari visualisasi hasil clustering dapat direkap mean terkecil dan terbesar cluster terhadap mean parameter seperti pada tabel 11 KESIMPULAN DAN SARAN Kesimpulan Tabel 8 Hasil rekap visualisasi clustering Parameter Centroid Terkecil Terbesar Usia 5 4 Golongan 3 4 Masakerja 1 4 Pendidikan 6 0 Berdasarkan hasil penelitian yang dilakukan, dapat diambil beberapa kesimpulan sebagai berikut: a. Metode K-Means clustering dapat menampilkan visualisasi nominasi calon peserta diklat berdasarkan parameter usia, masa kerja, golongan, dan pendidikan. b. Clustering dilakukan dengan ukuran cluster 2 sampai 10 dengan random seed 10, 20, 30, dan 40 diperoleh hasil clustering terbaik dengan ukuran cluster 7 dan random seed 30 yang memiliki total SSE = 7, dengan penyebaran anggota yang tidak merata di setiap cluster. c. Dari uji jarak Mahalanobis diperoleh validasi kesesuaian anggota cluster terhadap clusternya dari hasil clustering K-Means. Kesesuaian 100% untuk cluster 1 dengan jumlah 18 anggota dan cluster 4 dengan jumlah 35 anggota. Sedangkan ketidaksesuaian anggota cluster terhadap clusternya terdapat pada cluster 0 dengan jumlah 1 anggota, cluster 2 dengan jumlah 2 anggota, cluster 3 dengan jumlah 1 anggota, cluster 5 dengan jumlah 2 anggota dan cluster 6 dengan jumlah 2 anggota. d. Dari hasil clustering dapat ditentukan mean cluster terkecil dan cluster terbesar terhadap mean parameternya. Hal ini berarti anggota di dalam cluster itu mayoritas memiliki kemiripan nilai parameter sehingga dapat dijadikan pertimbangan untuk pendukung keputusan. Saran Adapun saran untuk penelitian berikutnya adalah: a. Penelitian ini menggunakan algoritma K-Means dengan clustering yang hanya menangani data numerik. Untuk penelitian selanjutnya dapat diterapkan algoritma clustering lain yang dapat menangani data numerik dan data kategorik sehingga dapat dihasilkan clustering untuk keseluruhan atribut. b. Clustering mengambil sampel dari database NUPTK kota Kediri pada pendidikan jenjang SMK. Penelitian berikutnya dapat diterapkan pada jenjang pendidikan lainnya di wilayah yang lebih luas sehingga diperoleh informasi dari database sebagai pertimbangan pendukung keputusan. C-20-10
11 c. Penelitian yang sama dapat dilakukan dengan uji validasi lain terhadap hasil clustering. d. Semoga hasil dari penelitian ini bisa dijadikan sebagai acuan dalam proses pengembangan pendukung keputusan oleh pihak-pihak terkait. DAFTAR PUSTAKA Han J, Kamber M Data Mining: Concepts and Techniques edisi 2. San Francisco: Morgan Kaufmann Publisher Kantardzic m Data mining: Concepts, Models, Methods, and Algorithm. New Jersey: John Wiley & Sons Inc. Kusrini Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: CV Andi Offset Larose D Discovering Knowledge in Data: An Introduction to Data Mining. New Jersey: John Wiley & Sons Inc. Li, Xi., Hu, Weiming dan Zhang, Zhongfei Corner Detection of Contour Images Using Spectral Clustering. IEEE Santosa, Budi Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis, Teori dan Aplikasi. Yogyakarta: Graha Ilmu. Tan P, Michael S, Vipin K Introduction to Data Mining. Pearson Education Witten I, Frank E Data Mining: Pracitical Machine Learning and Techniques edisi 2. San Francisco: Morgan Kaufman Publisher. C-20-11
METODE PENELITIAN HASIL DAN PEMBAHASAN
METODE PENELITIAN Proses Dasar Sistem Proses dasar pengembangan sistem secara umum terdiri dari tahapan sebagai berikut: 1 Praproses. Pada tahap ini dilakukan persiapan yang meliputi seleksi data, transformasi
Lebih terperinciCLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS
CLUSTERING UNTUK DATA KOMPETENSI WIDYAISWARA MENGGUNAKAN ALGORITMA KMEANS Diana Triastuty, I Ketut Eddy Purnama, dan Surya Sumpeno Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS Keputih, Sukolilo,
Lebih terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
Lebih terperinciPENENTUAN NOMINASI CALON PESERTA PROGRAM PENYIAPAN CALON KEPALA SEKOLAH MENGGUNAKAN METODE K-MEANS CLUSTERING BERBASIS WEKA
PENENTUAN NOMINASI CALON PESERTA PROGRAM PENYIAPAN CALON KEPALA SEKOLAH MENGGUNAKAN METODE K-MEANS CLUSTERING BERBASIS WEKA Agustin Sri Murdiana 1), I Ketut Eddy Purnama 2), dan Surya Sumpeno 3) Program
Lebih terperinciVISUALISASI K-MEANS CLUSTERING PADA DATA POTENSI PERTANIAN DESA DI BOGOR MENGGUNAKAN MAPSERVER HENRI HARIANJA
VISUALISASI K-MEANS CLUSTERING PADA DATA POTENSI PERTANIAN DESA DI BOGOR MENGGUNAKAN MAPSERVER HENRI HARIANJA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciCLUSTERING MOTIVASI BELAJAR SISWA ELEARNING BERBASIS ALGORITMA K-MEANS
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 379~383 379 CLUSTERING MOTIVASI BELAJAR SISWA ELEARNING BERBASIS ALGORITMA K-MEANS Sismadi AMIK BSI JAKARTA e-mail: sismadi.ssm@bsi.ac.id
Lebih terperinciKLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING
KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang
Lebih terperinciLingkungan Pengembangan Data Mining HASIL DAN PEMBAHASAN Preprocessing Data
Setelah dilakukan analisis clustering maka algoritme tersebut akan dibandingkan berdasarkan cluster yang terbentuk dari hasil analisis cluster-nya. Hasil perbandingan diharapkan dapat membuktikan bahwa
Lebih terperinciKLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING
KLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING Ari Kurniawan, Mochamad Hariadi S2 Teknik Elektro (Telematika), Institut Teknologi Sepuluh
Lebih terperinciPENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS
PENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS Hartatik STMIK Amikom Manajemen Informatika STMIK AMIKOM Yogyakarta Jl. Ringroad Utara, Condong Catur, Depok,
Lebih terperinciTAKARIR. : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas
TAKARIR Data Mining Clustering Cluster Iteratif Random Centroid : Penggalian data : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas : Berulang : Acak : Pusat area KDD (Knowledge
Lebih terperinciWALIKOTA PAREPARE PERATURAN WALIKOTA PAREPARE NOMOR 24 TAHUN 2014 T E N T A N G
WALIKOTA PAREPARE PERATURAN WALIKOTA PAREPARE NOMOR 24 TAHUN 2014 T E N T A N G KENAIKAN PANGKAT PENYESUAIAN IJAZAH BAGI PEGAWAI NEGERI SIPIL DI LINGKUNGAN PEMERINTAH KOTA PAREPARE DENGAN RAHMAT TUHAN
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN
PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN Fauziah Nur1, Prof. M. Zarlis2, Dr. Benny Benyamin Nasution3 Program Studi Magister Teknik Informatika, Universitas
Lebih terperinciPEMBINAAN TEKNIS TIM PENILAI PRANATA KOMPUTER - ADMINISTRASI
BADAN PUSAT STATISTIK PEMBINAAN TEKNIS TIM PENILAI PRANATA KOMPUTER - ADMINISTRASI (Berdasarkan : SK MenPAN Nomor 66/Kep/M.PAN/7/2003 (Perka BPS Nomor 16 Tahun 2008) Bagian Jabatan Fungsional TUJUAN PENETAPAN
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MULTIDIMENSI BERBASIS MEAN SHIFT CLUSTERING UNTUK PENETAPAN CALON PESERTA DIKLAT
SISTEM PENDUKUNG KEPUTUSAN MULTIDIMENSI BERBASIS MEAN SHIFT CLUSTERING UNTUK PENETAPAN CALON PESERTA DIKLAT Wahid RS Nurwidodo 1), Mochamad Hariadi 2) Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS
Lebih terperinciPENDAHULUAN. Tujuan dan Keuntungan. Dasar Hukum Jabatan Fungsional Pranata Komputer
PENDAHULUAN Tujuan dan Keuntungan Dasar Hukum Jabatan Fungsional Pranata Komputer Pengertian, Rumpun Jabatan, Kedudukan, Tugas Pokok dan Jenjang Jabatan Tujuan dan Keuntungan 1.1. Tujuan Penetapan Jabatan
Lebih terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
Lebih terperinciPEMETAAN SEBARAN MUTU PENDIDIKAN DASAR MENGGUNAKAN METODE SELF ORGANIZING MAPS
PEMETAAN SEBARAN MUTU PENDIDIKAN DASAR MENGGUNAKAN METODE SELF ORGANIZING MAPS Ahmad Mulla Ali Basthoh 1, Surya Sumpeno 2, dan I Ketut Eddy Purnama 3 Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS
Lebih terperinciAbidah Elcholiqi, Beta Noranita, Indra Waspada
Abidah Elcholiqi, Beta Noranita, Indra Waspada PENENTUAN BESAR PINJAMAN DI KOPERASI SIMPAN PINJAM DENGAN ALGORITMA K-NEAREST NEIGHBOR (Studi Kasus di Koperasi Simpan Pinjam BMT Bina Insani Pringapus) Abidah
Lebih terperinciPenerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)
Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id
Lebih terperinciBERITA NEGARA REPUBLIK INDONESIA
BERITA NEGARA REPUBLIK INDONESIA No.158, 2013 KEMENTERIAN PERTAHANAN. Kepegawaian. Kenaikan Pangkat. PNS. PERATURAN MENTERI PERTAHANAN REPUBLIK INDONESIA NOMOR 46 TAHUN 2012 TENTANG KENAIKAN PANGKAT BAGI
Lebih terperinciHASIL DAN PEMBAHASAN Praproses Data Clustering
Perangkat lunak: Sistem operasi: Windows XP Home Edition, WEKA versi 3.5.7, ArcView GIS 3.3, Map Server For Windows (ms4w) 2.3.1 Chameleon 2.4.1 Perangkat keras: Prosessor intel Pentium 4 ~2GHz Memory
Lebih terperinci3. Undang-Undang Nomor 32 Tahun 2004 tentang Pemerintahan Daerah (Lembaran Negara Republik Indonesia Tahun 2004 Nomor 125, Tambahan Lembaran Negara
PERATURAN MENTERI NEGARA PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI NOMOR: 15 TAHUN 2010 TENTANG JABATAN FUNGSIONAL PAMONG BELAJAR DAN ANGKA KREDITNYA DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI
Lebih terperinciMEMUTUSKAN PERATURAN PEMERINTAH TENTANG PERUBAHAN ATAS PERATURAN PEMERINTAH NOMOR 99 TAHUN 2000 TENTANG KENAIKAN PANGKAT PEGAWAI NEGERI SIPIL.
PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 12 TAHUN 2002 TENTANG PERUBAHAN ATAS PERATURAN PEMERINTAH NOMOR 99 TAHUN 2000 TENTANG KENAIKAN PANGKAT PEGAWAI NEGERI SIPIL PRESIDEN REPUBLIK INDONESIA Menimbang
Lebih terperinciKeterwakilan Perempuan Di Lembaga Eksekutif
Keterwakilan Perempuan Di Lembaga Eksekutif Keterwakilan perempuan di lembaga eksekutif juga menjadi tolok ukur pemberdayaan perempuan. Untuk melihat pemberdayaan perempuan di lembaga eksekutif dilihat
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciGUBERNUR JAWA TENGAH PERATURAN GUBERNUR JAWA TENGAH
GUBERNUR JAWA TENGAH PERATURAN GUBERNUR JAWA TENGAH NOMOR 31 TAHUN 2013 TENTANG IZIN BELAJAR, PENGGUNAAN GELAR AKADEMIK DAN KENAIKAN PANGKAT PENYESUAIAN IJAZAH BAGI PEGAWAI NEGERI SIPIL DI LINGKUNGAN PEMERINTAH
Lebih terperinciPENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI
PENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI Gunawan 1, Fandi Halim 2, Tony Saputra Debataraja 3, Julianus Efrata Peranginangin 4
Lebih terperinciPERATURAN MENTERI PENDIDIKAN NASIONAL NOMOR 38 TAHUN 2010 TENTANG PENYESUAIAN JABATAN FUNGSIONAL GURU DENGAN RAHMAT TUHAN YANG MAHA ESA
SALINAN PERATURAN MENTERI PENDIDIKAN NASIONAL NOMOR 38 TAHUN 2010 TENTANG PENYESUAIAN JABATAN FUNGSIONAL GURU DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI PENDIDIKAN NASIONAL, Menimbang : a. bahwa dalam rangka
Lebih terperinciPRESIDEN REPUBLIK INDONESIA,
PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 12 TAHUN 2002 TENTANG PERUBAHAN ATAS PERATURAN PEMERINTAH NOMOR 99 TAHUN 2000 TENTANG KENAIKAN PANGKAT PEGAWAI NEGERI SIPIL PRESIDEN REPUBLIK INDONESIA, Menimbang
Lebih terperinciPEMERINTAH KOTA SALATIGA DAFTAR INFORMASI PUBLIK RINGKASAN PROFIL ORGANISASI DINAS PENDIDIKAN PEMUDA DAN OLAHRAGA KOTA SALATIGA TAHUN 2017
PEMERINTAH KOTA SALATIGA DAFTAR INFORMASI PUBLIK RINGKASAN PROFIL ORGANISASI DINAS PENDIDIKAN PEMUDA DAN OLAHRAGA KOTA SALATIGA TAHUN 27 PENDAHULUAN A. KEDUDUKAN Undang-undang Nomor 2 Tahun 23 tentang
Lebih terperinciImplementasi Sistem HASIL DAN PEMBAHASAN Data Penelitian
Implementasi Sistem Clustering FCM diimplementasikan pada program yang dikembangkan dengan perangkat lunak Matlab v.7.7. Tahap implementasi sistem mengikuti langkahlangkah melakukan clustering dengan FCM,
Lebih terperinciANALISIS SEGMENTASI NASABAH MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (Studi Kasus di PT. Buana Sejahtera Multidana Cabang Cikampek)
ANALISIS SEGMENTASI NASABAH MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (Studi Kasus di PT. Buana Sejahtera Multidana Cabang Cikampek) Meriska Defriani 1, Noviyanti 2 1 STT Wastukancana 2 Teknik Informatika,
Lebih terperinciPENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA
PENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Madura Kampus Universitas Trunojoyo
Lebih terperinciAPLIKASI K-MEANS UNTUK PENGELOMPOKKAN MAHASISWA BERDASARKAN NILAI BODY MASS INDEX (BMI) & UKURAN KERANGKA
APLIKASI K-MEANS UNTUK PENGELOMPOKKAN MAHASISWA BERDASARKAN NILAI BODY MASS INDEX (BMI) & UKURAN KERANGKA Tedy Rismawan 1 dan Sri Kusumadewi 2 1 Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik
Lebih terperinciDATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA
DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA Aseptian Nugraha, Acep Irham Gufroni, Rohmat Gunawan Teknik Informatika Fakultas
Lebih terperinciKEPUTUSAN BERSAMA KEPALA BADAN PUSAT STATISTIK DAN KEPALA BADAN KEPEGAWAIAN NEGARA NOMOR : 002/BPS-SKB/II/2004 NOMOR : 04 TAHUN 2004 TENTANG
KEPUTUSAN BERSAMA KEPALA BADAN PUSAT STATISTIK DAN KEPALA BADAN KEPEGAWAIAN NEGARA NOMOR : 002/BPS-SKB/II/2004 NOMOR : 04 TAHUN 2004 TENTANG PETUNJUK PELAKSANAAN JABATAN FUNGSIONAL PRANATA KOMPUTER DAN
Lebih terperinciJURNAL TEKNIK, (2014) APLIKASI DATA MINING UNTUK MEMPREDIKSI PERFORMANSI MAHASISWA DENGAN METODE KLASIFIKASI DECISION TREE
JURNA TEKNIK, (2014) 1-6 1 AIKASI DATA MINING UNTUK MEMREDIKSI ERFORMANSI MAHASISWA DENGAN METODE KASIFIKASI DECISION TREE Irfan Fahmi, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri,
Lebih terperinciKenaikan Pangkat PNS. 1. Juru Muda, Ia. 2. Juru Muda Tingkat 1, Ib. 3. Juru, Ic. 4. Juru Tingkat 1, Id. 5. Pengatur Muda, IIa
Kenaikan Pangkat PNS Pangkat adalah kedudukan yang M menunjukkan tingkatan seseorang Pegawai Negeri Sipil berdasarkan jabatannya dalam rangkaian susunan kepegawaian dan digunakan sebagai dasar penggajian.
Lebih terperinciAri Kurniawan
KLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO DENGAN METODE K-MEANS CLUSTERING Ari Kurniawan 2208206015 Dosen Pembimbing : Mochamad Hariadi, S.T., M.Sc., Ph.D. S2 TEKNIK ELEKTRO (TELEMATIKA)
Lebih terperinciDENGAN RAHMAT TUHAN YANG MAHA ESA KEPALA BADAN PENGAWASAN KEUANGAN DAN PEMBANGUNAN,
PERATURAN KEPALA BADAN PENGAWASAN KEUANGAN DAN PEMBANGUNAN NOMOR: PER-1363/K/SU/2012 TENTANG PELAKSANAAN UJIAN DINAS DAN UJIAN PENYESUAIAN DI LINGKUNGAN BADAN PENGAWASAN KEUANGAN DAN PEMBANGUNAN DENGAN
Lebih terperinciPERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 12 TAHUN 2002 TENTANG
PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 12 TAHUN 2002 TENTANG PERUBAHAN ATAS PERATURAN PEMERINTAH NOMOR 99 TAHUN 2000 TENTANG KENAIKAN PANGKAT PEGAWAI NEGERI SIPIL PRESIDEN REPUBLIK INDONESIA, Menimbang
Lebih terperinciBAB III DESKRIPSI DATA PEGAWAI Pada Bab II telah disajikan tabel/daftar dengan berbagai klasifikasi data PNS di lingkungan. Penyajian tabel/daftar tersebut belum selesai apabila belum digambarkan, dianalisis
Lebih terperinciDENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI NEGARA PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI,
PERATURAN MENTERI NEGARA PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI NOMOR 14 TAHUN 2010 TENTANG JABATAN FUNGSIONAL PENILIK DAN ANGKA KREDITNYA DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI NEGARA
Lebih terperinciTimor Setiyaningsih, Nur Syamsiah Teknik Informatika Universitas Darma Persada. Abstrak
DATA MINING MELIHAT POLA HUBUNGAN NILAI TES MASUK MAHASISWA TERHADAP DATA KELULUSAN MAHASISWA UNTUK MEMBANTU PERGURUAN TINGGI DALAM MENGAMBIL KEBIJAKAN DALAM RANGKA PENINGKATAN MUTU PERGURUAN TINGGI Timor
Lebih terperinciPERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 99 TAHUN 2000 TENTANG KENAIKAN PANGKAT PEGAWAI NEGERI SIPIL PRESIDEN REPUBLIK INDONESIA
PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 99 TAHUN 2000 TENTANG KENAIKAN PANGKAT PEGAWAI NEGERI SIPIL PRESIDEN REPUBLIK INDONESIA Menimbang : bahwa dalam rangka meningkatkan pelaksanaan pembinaan Pegawai
Lebih terperinciClustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means
Clustering Terhadap Indeks Prestasi Mahasiswa STMIK Akakom Menggunakan K-Means Sri Redjeki Andreas 1), Andreas Pamungkas, Pamungkas Hastin 2), Hastin Al-fatah Al-fatah 3) 1)2)3) STMIK dzeky@akakom.ac.id
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK MENENTUKAN TINGKAT KESEHATAN BAYI DAN BALITA PADA KABUPATEN DAN KOTA DI JAWA TENGAH
PENERAPAN ALGORITMA K-MEANS UNTUK MENENTUKAN TINGKAT KESEHATAN BAYI DAN BALITA PADA KABUPATEN DAN KOTA DI JAWA TENGAH Erga Aprina Sari Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian
Lebih terperinciBERITA NEGARA REPUBLIK INDONESIA KEMENTERIAN PERTAHANAN. Pola Karier. Pedoman.
No.726, 2010 BERITA NEGARA REPUBLIK INDONESIA KEMENTERIAN PERTAHANAN. Pola Karier. Pedoman. PERATURAN MENTERI PERTAHANAN REPUBLIK INDONESIA NOMOR 26 TAHUN 2010 TENTANG POLA KARIER PEGAWAI NEGERI SIPIL
Lebih terperinciPENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR
PENGELOMPOKAN PROGRAM PNPM MANDIRI DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN METODE K-NEAREST NEIGHBOR TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciPERATURAN BERSAMA KEPALA BADAN KEPEGAWAIAN NEGARA, TENTANG PETUNJUK PELAKSANAAN
PERATURAN BERSAMA MENTERI KELAUTAN DAN PERIKANAN DAN KEPALA BADAN KEPEGAWAIAN NEGARA NOMOR : PB. 01/MEN/2009 NOMOR : 14 TAHUN 2009 TENTANG PETUNJUK PELAKSANAAN JABATAN FUNGSIONAL PENYULUH PERIKANAN DAN
Lebih terperinciJUMLAH KETENAGAAN MENURUT ESELON
JUMLAH KETENAGAAN MENURUT ESELON NO UNIT KERJA ESELON KET IA IB IIA IIIA IVA JUMLAH 1 REKTORAT 1 3 3 7 19 33 2 FISIPOL 1 3 1 9 3 FEKON 1 3 1 9 FMIPA 1 3 1 9 5 FAPERIKA 1 1 1 6 FKIP 1 1 1 7 FAPERTA 1 3
Lebih terperinciCLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE
CLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE Lutfi Hidayat Ramdhani¹, Hetti Hidayati², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom Abstrak K-Modes
Lebih terperinciKlasterisasi Data Kesehatan Penduduk untuk Menentukan Rentang Derajat Kesehatan Daerah dengan Metode K-Means
Klasterisasi Data Kesehatan Penduduk untuk Menentukan Rentang Derajat Kesehatan Daerah dengan Metode K-Means Nielza Atthina Jurusan Teknik Informatika Universitas Islam Indonesia Yogyakarta 09523458@students.uii.ac.id
Lebih terperinciBERITA DAERAH KOTA BEKASI
BERITA DAERAH KOTA BEKASI NOMOR : 48 2015 SERI : E PERATURAN WALIKOTA BEKASI NOMOR 48 TAHUN 2015 TENTANG PEDOMAN PENGANGKATAN DAN PERAN PENGAWAS SEKOLAH PENILIK DAN PAMONG BELAJAR DENGAN RAHMAT TUHAN YANG
Lebih terperinciBUPATI PEMALANG PERATURAN BUPATI PEMALANG NOMOR 27 TAHUN 2013 TENTANG
BUPATI PEMALANG PERATURAN BUPATI PEMALANG NOMOR 27 TAHUN 2013 TENTANG PEDOMAN PEMBERIAN IZIN BELAJAR DAN UJIAN KENAIKAN PANGKAT PENYESUAIAN IJAZAH BAGI PEGAWAI NEGERI SIPIL DI LINGKUNGAN PEMERINTAH KABUPATEN
Lebih terperinciGUBERNUR JAWA TIMUR GUBERNUR JAWA TIMUR,
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 18 TAHUN 2015 TENTANG KENAIKAN PANGKAT PENYESUAIAN IJAZAH BAGI PEGAWAI NEGERI SIPIL DI LINGKUNGAN PEMERINTAH DAERAH PROVINSI JAWA TIMUR GUBERNUR
Lebih terperinciIMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU
PROYEK TUGAS AKHIR IMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU (Studi Kasus : SMK Pembangunan Nasional Purwodadi) Disusun oleh: Novian Hari Pratama 10411 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS
Lebih terperinciGUBERNUR KEPULAUAN RIAU
GUBERNUR KEPULAUAN RIAU PERATURAN GUBERNUR KEPULAUAN RIAU NOMOR 47 TAHUN 2015 TENTANG JABATAN FUNGSIONAL DI LINGKUNGAN PEMERINTAH PROVINSI KEPULAUAN RIAU DENGAN RAHMAT TUHAN YANG MAHA ESA GUBERNUR KEPULAUAN
Lebih terperinciPRESIDEN REPUBLIK INDONESIA,
PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 13 TAHUN 2002 TENTANG PERUBAHAN ATAS PERATURAN PEMERINTAH NOMOR 100 TAHUN 2000 TENTANG PENGANGKATAN PEGAWAI NEGERI SIPIL DALAM JABATAN STRUKTURAL PRESIDEN
Lebih terperinci2016, No Tambahan Lembaran Negara Republik Indonesia Nomor 2906); 3. Undang-Undang Nomor 5 Tahun 2014 tentang Aparatur Sipil Negara (Lembaran N
No.327, 2016 LEMBARAN NEGARA REPUBLIK INDONESIA KEUANGAN Negara. Hak Keuangan. Fasilitas. Hakim MA. Perubahan. PERATURAN PEMERINTAH REPUBLIK INDONESIA MOR 74 TAHUN 2016 TENTANG PERUBAHAN ATAS PERATURAN
Lebih terperinciSTANDAR PELAYANAN PADA JENIS PELAYANAN KENAIKAN PANGKAT PNS DI KABUPATEN BLORA
LAMPIRAN I : KEPUTUSAN KEPALA BKD KABUPATEN BLORA NOMOR : 800/30/2015 TANGGAL : 15 JUNI 2015 STANDAR PELAYANAN PADA JENIS PELAYANAN KENAIKAN PANGKAT PNS DI KABUPATEN BLORA Dasar Hukum : 1. Undang-Undang
Lebih terperinci2017, No Mengingat : 1. Undang-Undang Nomor 12 Tahun 1995 tentang Pemasyarakatan (Lembaran Negara Republik Indonesia Tahun 1995 Nomor 77, Tamba
BERITA NEGARA REPUBLIK INDONESIA No.606, 2017 KEMENKUMHAM. INPASSING. Jabatan Fungsional Asisten Pembimbing Kemasyarakatan. PERATURAN MENTERI HUKUM DAN HAK ASASI MANUSIA REPUBLIK INDONESIA NOMOR 6 TAHUN
Lebih terperinci2017, No Pemerintah Nomor 40 Tahun 2010 tentang Perubahan atas Peraturan Pemerintah Nomor 16 Tahun 1994 tentang Jabatan Fungsional Pegawai Nege
No.439, 2017 BERITA NEGARA REPUBLIK INDONESIA BPKP. Inpassing. Jabatan Fungsional Auditor. PERATURAN KEPALA BADAN PENGAWASAN KEUANGAN DAN PEMBANGUNAN NOMOR 6 TAHUN 2017 TENTANG PENGANGKATAN PEGAWAI NEGERI
Lebih terperinciALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN
ALGORITMA NEAREST NEIGHBOR UNTUK MENENTUKAN AREA PEMASARAN PRODUK BATIK DI KOTA PEKALONGAN Devi Sugianti Program Studi Sistem Informasi,STMIK Widya Pratama Jl. Patriot 25 Pekalongan Telp (0285)427816 email
Lebih terperinciPERATURAN BERSAMA MENTERI PERTANIAN DAN KEPALA BADAN KEPEGAWAIAN NEGARA NOMOR 54/Permentan/OT.210/11/2008 NOMOR 23 A TAHUN 2008
PERATURAN BERSAMA MENTERI PERTANIAN DAN KEPALA BADAN KEPEGAWAIAN NEGARA NOMOR 54/Permentan/OT.210/11/2008 NOMOR 23 A TAHUN 2008 TENTANG PETUNJUK PELAKSANAAN JABATAN FUNGSIONAL PENYULUH PERTANIAN DAN ANGKA
Lebih terperinciPERATURAN MENTERI NEGARA PENDAYAGUNAAN APARATUR NEGARA TENTANG JABATAN FUNGSIONAL GURU DAN ANGKA KREDITNYA DENGAN RAHMAT TUHAN YANG MAHA ESA
Draft Peraturan Menteri PAN Tgl. 4 Maret 2008 tentang Jabatan Fungsional Guru dan Angka Kreditnya RANCANGAN PERATURAN MENTERI NEGARA PENDAYAGUNAAN APARATUR NEGARA NOMOR: TENTANG JABATAN FUNGSIONAL GURU
Lebih terperinci16. Keputusan Presiden Nomor 59/P Tahun 2011;
PERATURAN MENTERI PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI REPUBLIK INDONESIA NOMOR 19 TAHUN 2013 TENTANG JABATAN FUNGSIONAL STATISTISI DAN ANGKA KREDITNYA DENGAN RAHMAT TUHAN YANG MAHA ESA
Lebih terperinci1. FORM PENGIMPUTAN 1. 1 DATA BASE PNS DATA UTAMA PNS Data Pribadi NIP Baru Nip Lama Nama Gelar Depan Gelar Belakang Tempat
1. FORM PENGIMPUTAN 1. 1 DATA BASE PNS 1.1.1 DATA UTAMA PNS 1.1.1.1 Data Pribadi 1.1.1.1.1 NIP Baru Nip Lama Nama Gelar Depan Gelar Belakang Tempat Lahir Tanggal Lahir Usia Tingkat Pendidikan Terakhir
Lebih terperinciPERATURAN BUPATI LUWU TIMUR NOMOR 23 TAHUN 2012 TENTANG PELAKSANAAN PEMBERIAN TUGAS BELAJAR, TUGAS BELAJAR MANDIRI DAN IZIN BELAJAR BAGI PEGAWAI
d PERATURAN BUPATI LUWU TIMUR NOMOR 23 TAHUN 2012 TENTANG PELAKSANAAN PEMBERIAN TUGAS BELAJAR, TUGAS BELAJAR MANDIRI DAN IZIN BELAJAR BAGI PEGAWAI NEGERI SIPIL DI LINGKUNGAN PEMERINTAH KABUPATEN LUWU TIMUR
Lebih terperinciBUPATI AGAM PERATURAN BUPATI AGAM NOMOR 05 TAHUN 2012 T E N T A N G
BUPATI AGAM PERATURAN BUPATI AGAM NOMOR 05 TAHUN 2012 T E N T A N G PELAKSANAAN PEMBERIAN TUGAS BELAJAR, TUGAS BELAJAR MANDIRI DAN IZIN BELAJAR BAGI PEGAWAI NEGERI SIPIL DILINGKUNGAN PEMERINTAH KABUPATEN
Lebih terperinciPemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA
Pemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA Chandra Purnamaningsih Informatika, Fakultas MIPA, Universitas Sebelas Maret Surakarta Jl. Ir. Sutami No 36 A Surakarta cpurnamaningsih@gmail.com
Lebih terperinciBERITA NEGARA REPUBLIK INDONESIA
No.697, 2013 BERITA NEGARA REPUBLIK INDONESIA KEMENTERIAN PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI. Statistisi. Jabatan Fungsional. Angka Kredit. PERATURAN MENTERI PENDAYAGUNAAN APARATUR NEGARA
Lebih terperinciPengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps
Pengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps Muslem 1, Eko Mulyanto Yuniarno 2, I Ketut Eddy Purnama 3 Magister
Lebih terperinciKEPUTUSAN PRESIDEN REPUBLIK INDONESIA NOMOR 4 TAHUN 2001 TENTANG TUNJANGAN JABATAN FUNGSIONAL PENYULUH KELUARGA BERENCANA PRESIDEN REPUBLIK INDONESIA,
KEPUTUSAN PRESIDEN REPUBLIK INDONESIA TENTANG TUNJANGAN JABATAN FUNGSIONAL PENYULUH KELUARGA BERENCANA Menimbang : bahwa dalam rangka meningkatkan mutu, prestasi, pengabdian, dan gairah kerja bagi Pegawai
Lebih terperinciKEPUTUSAN PRESIDEN REPUBLIK INDONESIA NOMOR 4 TAHUN 2001 TENTANG TUNJANGAN JABATAN FUNGSIONAL PENYULUH KELUARGA BERENCANA PRESIDEN REPUBLIK INDONESIA
KEPUTUSAN PRESIDEN REPUBLIK INDONESIA TENTANG TUNJANGAN JABATAN FUNGSIONAL PENYULUH KELUARGA BERENCANA PRESIDEN REPUBLIK INDONESIA Menimbang : bahwa dalam rangka meningkatkan mutu, prestasi, pengabdian,
Lebih terperinciWALIKOTA BATU PROVINSI JAWA TIMUR PERATURAN WALIKOTA BATU NOMOR 52 TAHUN 2017 TENTANG
SALINAN WALIKOTA BATU PROVINSI JAWA TIMUR PERATURAN WALIKOTA BATU NOMOR 52 TAHUN 2017 TENTANG KENAIKAN PANGKAT PEGAWAI NEGERI SIPIL DI LINGKUNGAN PEMERINTAH KOTA BATU DENGAN RAHMAT TUHAN YANG MAHA ESA
Lebih terperinciKLASIFIKASI SISWA UNTUK MENINGKATKAN NILAI RATA-RATA KELAS MENGGUNAKAN METODE DATA MINING
KLASIFIKASI SISWA UNTUK MENINGKATKAN NILAI RATA-RATA KELAS MENGGUNAKAN METODE DATA MINING Langgeng Listiyoko* 1, Rosalia Wati 2, Achmad Fahrudin 3 1,2,3 STMIK Muhammadiyah Banten Kontak Person : Langgeng
Lebih terperinciPROFIL BADAN KEPEGAWAIAN DAERAH KABUPATEN SELAYAR.
PROFIL BADAN KEPEGAWAIAN DAERAH KABUPATEN SELAYAR. Badan Kepegawaian Daerah Kabupaten Selayar berkantor dijalan Jenderal Ahmad Yani Nomor 1 Benteng, Nomor Telpon/Fax (0414) 21118, website: bkdselayaronline.blogspot.com,
Lebih terperinciBiro Umum Institut Teknologi Sepuluh Nopember. Nopember 2017
Biro Umum Institut Teknologi Sepuluh Nopember Nopember 2017 Status ITS sebagai PTN Badan Hukum, ITS memiliki otonomi dalam pengelolaan sumber daya manusia. Pelaksanaan dari ketentuan dalam Peraturan Pemerintah
Lebih terperinciANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM)
ANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM) Nurani 1, Hamdan Gani 2 1 nurani_nanni@yahoo.com, 2 hamdan.gani.inbox@gmail.com
Lebih terperinci2017, No Indonesia Tahun 2014 Nomor 244, Tambahan Lembaran Negara Republik Indonesia Nomor 5587) sebagaimana telah beberapa kali diubah terakh
BERITA NEGARA REPUBLIK INDONESIA No.666, 2017 KEMENAKER. Jabatan Fungsional bidang Ketenagakerjaan. Penyesesuaian. PERATURAN MENTERI KETENAGAKERJAAN REPUBLIK INDONESIA NOMOR 4 TAHUN 2017 TENTANG TATA CARA
Lebih terperinciPROFIL DINAS PERUMAHAN RAKYAT, KAWASAN PERMUKIMAN DAN PERTANAHAN KABUPATEN LAHAT
PROFIL DINAS PERUMAHAN RAKYAT, KAWASAN PERMUKIMAN DAN PERTANAHAN KABUPATEN LAHAT I. Dasar Hukum Dinas Perumahan Rakyat, Kawasan Permukiman dan Pertanahan Kabupaten Lahat dibentuk berdasarkan : 1. Peraturan
Lebih terperinciBAB II DESKRIPSI PERUSAHAAN
BAB II DESKRIPSI PERUSAHAAN 2.1 Sejarah Perusahaan Sekolah Tinggi Penerbangan Indonesia (STPI) adalah sekolah tinggi kedinasan di bawah Kementerian Perhubungan di bawah pengelolaan Badan Pengembangan SDM
Lebih terperinciWALIKOTA YOGYAKARTA DAERAH ISTIMEWA YOGYAKARTA PERATURAN WALIKOTA YOGYAKARTA NOMOR 28 TAHUN 2016 TENTANG
WALIKOTA YOGYAKARTA DAERAH ISTIMEWA YOGYAKARTA PERATURAN WALIKOTA YOGYAKARTA NOMOR 28 TAHUN 2016 TENTANG POLA KARIER PEGAWAI NEGERI SIPIL DI PEMERINTAH KOTA YOGYAKARTA DENGAN RAHMAT TUHAN YANG MAHA ESA
Lebih terperinciREKOMENDASI PEMBELIAN PERSONAL KOMPUTER DENGAN METODE RANKED CLUSTERING
REKOMENDASI PEMBELIAN PERSONAL KOMPUTER DENGAN METODE RANKED CLUSTERING Fadly Shabir 1 dan Abdul Rachman M 2 1 kyofadly@gmail.com, 2 emanrstc@yahoo.co.id 1 Stimik Handayani, 2 Universitas Muslim Indonesia
Lebih terperinciX. GURU A. Dasar Hukum
X. GURU A. Dasar Hukum 1. Undang-Undang Nomor 8 Tahun 1974 tentang Pokok-Pokok Kepegawaian sebagaimana yang telah diubah dengan Undang-Undang Nomor 43 Tahun 1999. 2. Undang-Undang Nomor 20 Tahun 2003 tentang
Lebih terperinci2012, No
2012, No.882 6 LAMPIRAN PERATURAN KEPALA BADAN PUSAT STATISTIK NOMOR 55 TAHUN 2012 TENTANG PEJABAT YANG BERWENANG MENJATUHKAN HUKUMAN DISIPLIN TERHADAP PEGAWAI NEGERI SIPIL DI LINGKUNGAN BADAN PUSAT STATISTIK
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciBUPATI PAKPAK BHARAT PROVINSI SUMATERA UTARA
1 BUPATI PAKPAK BHARAT PROVINSI SUMATERA UTARA PERATURAN BUPATI PAKPAK BHARAT NOMOR 32 TAHUN 2017 TENTANG PEDOMAN PELAKSANAAN UJIAN DINAS DAN UJIAN PENYESUAIAN IJAZAH KENAIKAN PANGKAT PEGAWAI NEGERI SIPIL
Lebih terperinciK-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia
K-Means Analysis Klasterisasi Kasus HIV/AIDS di Indonesia Okta Riveranda 1), Warnia Nengsih, S.Kom., M.Kom. 2) 1) Program Studi Sistem Informasi, Politeknik Caltex Riau, Pekanbaru 28265, email: okta12si@mahasiswa.pcr.ac.id
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciLAPORAN KINERJA BADAN KEPEGAWAIAN DAERAH KABUPATEN GRESIK TAHUN 2016 BAB I PENDAHULUAN
BAB I PENDAHULUAN A. LATAR BELAKANG Dalam perspektif yang luas Laporan Kinerja Pemerintah mempunyai fungsi sebagai media/wahana pertanggungjawaban kepada publik atas penyelenggaran Pemerintahan. Untuk
Lebih terperinciPRESIDEN REPUBLIK INDONESIA
PERATURAN PEMERINTAH NOMOR 13 TAHUN 2002 TENTANG PERUBAHAN ATAS PERATURAN PEMERINTAH NOMOR 100 TAHUN 2000 TENTANG PENGANGKATAN PEGAWAI NEGERI SIPIL DALAM JABATAN STRUKTURAL PRESIDEN, Menimbang : bahwa
Lebih terperinciMENTERI PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI REPUBLIK INDONESIA
SALINAN MENTERI PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI REPUBLIK INDONESIA PERATURAN MENTERI PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI REPUBLIK INDONESIA NOMOR 26 TAHUN 2016 TENTANG
Lebih terperinciPREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES
PREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES Selvy Megira 1), Kusrini 2), Emha Taufiq Luthfi 3) 1), 2), 3) Teknik Universitas AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA ANGGARAN PENDAPATAN BELANJA DAERAH DI KABUPATEN XYZ
PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA ANGGARAN PENDAPATAN BELANJA DAERAH DI KABUPATEN XYZ SKRIPSI Diajukan untuk memenuhi salah satu syarat memperoleh Gelar Sarjana pada Program Studi Sistem
Lebih terperinciMagister (S-2), Dokter, Apoteker
PEMERINTAH KABUPATEN BLORA BADAN KEPEGAWAIAN DAERAH Jalan Reksodiputro No. 24 Telp./Fax. (0296) 531284 Website http://bkd.blorakab.go.id B L O R A 58215 Blora, 10 November 2016 Mei 2016 Nomor : 823/1152
Lebih terperinciPERATURAN MENTERI NEGARA PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI NOMOR: 21 TAHUN 2010 TENTANG
MENTERI NEGARA PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI REPUBLIK INDONESIA PERATURAN MENTERI NEGARA PENDAYAGUNAAN APARATUR NEGARA DAN REFORMASI BIROKRASI NOMOR: 21 TAHUN 2010 TENTANG JABATAN
Lebih terperinciAnalisis Perilaku Pengguna E-Learning BESMART Melalui Teknik Clustering dengan Algoritma K-Means
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Analisis Perilaku Pengguna E-Learning BESMART Melalui Teknik Clustering dengan Algoritma K-Means Neni Miswaningsih, Nur Insani FMIPA, Universitas
Lebih terperinci