PENERAPAN DATA MINING DALAM PEMILIHAN PENERIMA BEASISWA BERPRESTASI DI POLITEKNIK DAN STMIK LPKIA DENGAN MENERAPKAN METODE K-MEANS CLUSTERING
|
|
- Sugiarto Hartono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN DATA MINING DALAM PEMILIHAN PENERIMA BEASISWA BERPRESTASI DI POLITEKNIK DAN STMIK LPKIA DENGAN MENERAPKAN METODE K-MEANS CLUSTERING 1 Wahyu Nurjaya W.K, 2 Nurjaman 1 Program Studi Sistem Informasi STMIK LPKIA 2 Program Studi Teknik Informatika STMIK LPKIA Jl. Soekarno Hatta No. 456 Bandung 40266, Telp , Fax wahyunwk@lpkia.ac.id, 2 nurjaman202728@fellow.lpkia.ac.id Abstrak Beasiswa merupakan salah satu program kebijakan pemberian bantuan dalam bentuk materi bagi mereka mahasiswa yang Tujuan dari pemberian beasiswa tersebut selain untuk memberikan keringanan biaya demi keberlangsungan pendidikan yang ditempuh, juga mendukung kemajuan dunia pendidikan dan mengasah diri menjadi mahasiswa yang bermutu. Clustering secara garis besar merupakan pengelompokan data record kedalam kelompok atau cluster-cluster tertentu, sedangkan algoritma K-Means adalah algoritma yang mempartisi data kedalam cluster-cluster sehingga data yang memiliki kemiripan berada pada satu cluster yang sama dan data yang memiliki ketidaksamaan berada pada cluster yang lain. Pada penelitian ini hasil dari pengelompokan data cluster kemudian akan dirankingkan berdasarkan nilai jarak terkecil pada suatu cluster yang direkomendasikan sehingga didapatkan informasi yang berguna sebagai keputusan dalam memilih penerima beasiswa. Diterapkannya sistem data mining menggunakan metode clustering ini diharapkan dapat memudahkan pihak instansi dalam melakukan proses pemilihan penerima beasiswa dan pengambilan keputusan berdasarkan hasil perhitungan mahasiswa erta bisa melakukan evaluasi untuk dapat mengambil keputusan memberikan beasiswa terhadap mahasiswa yang tepat. Kata kunci : Beasiswa, Data Mining, Clustering, K-Means 1. Pendahuluan Setiap manusia berhak mendapatkan pendidikan yang layak, seperti yang tercantum dalam Undang Undang Dasar 1945 alinea ke-4 yang berbunyi Mencerdaskan Kehidupan Bangsa. Menyadari pendidikan sangat penting, negara mendukung setiap warga negaranya untuk dapat meraih pendidikan setinggi-tingginya. Beberapa diantaranya melakukan progam pendidikan gratis dan program beasiswa. Beasiswa merupakan pemberian berupa keuangan yang diberikan kepada seseorang atas dasar prestasi maupun karena kemampuan ekonomis yang kurang memadai, pemberian beasiswa ini bertujuan untuk digunakan demi keberlangsungan pendidikan yang ditempuh. Beasiswa dapat diberikan oleh lembaga pemerintah ataupun perusahaan. Proses pemilihan penerima beasiswa agar tepat sasaran dan transparan dalam proses penyeleksiannya diperlukan sebuah sistem yang mampu mengetahui siapa saja mahasiswa yang pantas mendapatkan beasiswa, dalam sistem tersebut diperlukan sebuah proses data mining yang digunakan untuk melakukan perhitungan nilai-nilai kriteria yang dimiliki oleh mahasiswa. Jumlah mahasiswa aktif yang tercatat sekitar 1736 mahasiswa pada tahun , sistem pemilihan penerimaan beasiswa menggunakan konsep data mining membantu dalam pemilihan mahasiswa penerima beasiswa. Selain itu hal tersebut juga mampu memberikan kemudahan kepada pihak pemberi beasiswa dalam menentukan penerima beasiswa yang sesuai dengan ketentuannya dan memberikan rasa transparansi kepada mahasiswa terhadap proses pemilihan penerimaan beasiswa dengan menuangkan sistem tersebut dalam bentuk perangkat lunak. Sehingga teridentifikasi permasalahan yang timbul dikarenakan pemberian beasiswa yang tidak tepat sasaran disebabkan oleh belum adanya sistem verifikasi beasiswa yang optimal sehingga mengakibatkan mahasiswa dengan prestasi terbaik belum tentu terpilih sebagai penerima beasiswa. Berdasarkan permasalahan yang ada diatas maka perlu membatasi ruang lingkup dari permasalahan tersebut. Adapun permasalahan yang akan dibahas meliputi : 1. Proses pemilihan penerima beasiswa dilakukan menggunakan metode clustering dengan algoritma K-Means. 2. Data yang diolah adalah beasiswa untuk mahasiswa aktif LPKIA maksimal tingkat 3 atau sekurang-kurangnya telah memiliki transkrip nilai. Tujuan dari perancangan yang dilakukan adalah menerapkan hasil implementasi program pemilihan penerima beasiswa berprestasi ini kedalam perangkat lunak untuk memudahkan dalam pemilihan dan verifikasi penyaluran beasiswa yang tepat sasaran sesuai dengan ketentuan dan prestasi yang dimiliki mahasiswa.
2 1.1. Landasan Teori Beasiswa Beasiswa dapat didefinisikan sebagai sebuah pemberian dalam bentuk keuangan dengan tujuan menunjang keberlangsungan pendidikan penerimanya yang diberikan oleh donatur baik itu berupa lembaga pemerintah, perusahaan atau yayasan[3]. Beasiswa juga merupakan penghasilan karena dapat diartikan sebagai penambah kemampuan ekonomis bagi penerimanya[5]. Pemberian beasiswa ini memang menjadi hak bagi setiap warga negara untuk mendapatkan pengajaran sebagaimana hak setiap warga negara tersebut telah dicantumkan dalam Pasal 31 (1) Undang Undang Dasar Berdasarkan pasal tersebut, maka pemerintah wajib memberikan pelayanan terbaik demi terselenggaranya pendidikan yang bermutu bagi setiap warga negara tanda diskriminasi[8]. Berdasarkan penjelasan dari beberapa penelitian yang telah dilakukan sebelumnya, maka dapat disimpulkan bahwa beasiswa merupakan bentuk apresiasi yang diberikan terhadap perorangan dalam hal ini adalah mahasiswa dalam bentuk materi baik secara langsung maupun tidak langsung sebagai penghasilan tambahan dan bertujuan untuk meringankan beban biaya perkuliahan bagi mahasiswa yang berprestasi dan sesuai dengan ketentuan yang berlaku, serta memberikan motivasi agar menjadi mahasiswa yang berguna bagi bangsa dan negara Data Mining Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar[2]. Data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar[4]. Hasil dari pengolahan data dengan menggunakan metode data mining ini dapat digunakan untuk mengambil keputusan di masa depan[7]. Berdasarkan penjelasan dari beberapa penelitian yang telah dilakukan sebelumnya, maka dapat disimpulkan bahwa hasil dari proses data mining haruslah informasi yang baru dan bermanfaat untuk keperluan kedepannya serta mudah dimengerti Clustering Clustering atau klasterisasi adalah salah satu alat bantu atau salah satu metode dalam penerapan data mining yang bertujuan mengelompokan objek-objek kedalam cluster-cluster. Cluster adalah sekelompok atau sekumpulan objek-objek data yang similar atau mempunyai kesamaan satu sama lain dalam cluster yang sama dan disimilar dengan terhadap objek objek yang berada pada cluster[6] K-Means K-Means adalah algoritma yang mempartisi data kedalam cluster-cluster sehingga data yang memiliki kemiripan berada pada satu cluster yang sama dan data yang memiliki ketidaksamaan kerada pada cluster yang lain[6]. Algoritma K-Means merupakan algoritma yang membutuhkan parameter input sebanyak k dan membagi sekumpulan n objek kedalam k cluster sehingga tingkat kemiripan antar anggota dalam satu cluster tinggi, sedangkan tingkat kemirripan dengan anggota pada cluster lain sangat rendah. Kemiripan anggota terhadap cluster diukur dengan kedekatan objek terhadap nilai mean pada cluster atau disebut sebagai centroid cluster[1]. Berikut adalah tahapan dan perumusan perhitungan dalam penerapan algoritma k-means, yaitu: 1. Menentukan k sebagai jumlah cluster yang akan dibentuk. 2. Menentukan nilai sebagai centoid awal secara acak. 3. Menghitung jarak setiap data input terhadap masing-masing centroid. (1) Dimana xi : data kriteria, μj : centroid pada cluster ke-j 4. Mengklasifikasikan setiap data berdasarkan kedekatannya dengan centroid (jarak terkecil). 5. Memperbarui nilai centroid. (2) Dimana μj(t+1) : centroid baru pada iterasi ke (t+1), NSj : banyak data pada cluster Sj 6. Melakukan perulangan dari langkah 3 sampai 5. Proses tersebut akan terus dilakukan sampai anggota tiap cluster tidak ada yang berubah. Jika tahap 6 telah terpenuhi, maka nilai pusat cluster pada iterasi terakhir akan digunakan sebagai parameter untuk melakukan klasifikasi data. 2. Pembahasan 2.1 Data Pengujian Data pengujian yang digunakan berupa data pelamar beasiswa berprestasi dengan komponen penyusun data sebagai berikut: 1. Memiliki 6 atribut, yaitu NRP, Nama, Kelas, IPK, Semester (S) dan Prestasi (P). 2. Jumlah Data sebanyak 100 data mahasiswa. 2.2 Perhitungan K-Means Clustering Selanjutnya digunakan metode clustering dengan menggunakan algoritma k-means untuk mengelompokan data yang ada. Berikut adalah langkah-langkah pengerjaannya:
3 1. Menetapkan jumlah cluster. Jumlah cluster ditetapkan berdasarkan rekomendasi hasil pemilihan penerima beasiswa, yaitu Dapat Direkomendasikan, Dapat Dipertimbangkan dan Tidak Direkomendasikan, sehingga jumlah cluster yang ditetapkan adalah 3 cluster. 2. Menentukan nilai centroid pada masing-masing cluster secara acak berdasarkan data skor hasil survei lapangan. Nilai pusat cluster dapat dilihat pada tabel berikut: Tabel 1. Nilai Awal Pusat Cluster Cluster IPK S P 1 3, , Menghitung jarak setiap data terhadap pusat cluster. Misalnya untuk menghitung jarak data pertama dengan nilai pusat cluster pertama: d = (3,22 3,5)² + (2-6)² + (1-5)² d = 5,664 Jarak data pertama dengan nilai pusat cluster kedua adalah: d = (3,22 2,5)² + (2-4)² + (1-5)² d = 4,53 Jarak data pertama dengan nilai pusat cluster ketiga adalah: d = (3,22 2)² + (2-7)² + (1-1)² d = 5,147 Berikut adalah perhitungan lengkap 10 data pertama dari 100 data: Tabel 2. Hasil Perhitungan Jarak 10 Data Pertama No IPK S P C1 C2 C3 1 3, ,664 4,53 5, , ,473 2,971 5, , ,487 2,9 5, , ,661 4,54 5, , ,477 4,079 3,27 6 3, ,437 5, , ,665 4,657 5, , ,829 2,206 3, , ,018 2,378 3, , ,272 1,166 4, Mengklasifikasikan setiap data berdasarkan kedekatannya dengan centroid. Berikut adalah hasil pengklasifikasian lengkap 10 data pertama pada iterasi pertama dari 100 data: Tabel 3. Hasil Pengklasifikasian Data Terhadap Cluster 10 Data Pertama Pada Iterasi Pertama No C1 C2 C3 Cluster 1 5,664 4,53 5,147 C2 2 4,473 2,971 5,567 C2 3 4,487 2,9 5,505 C2 4 5,661 4,54 5,161 C2 5 4,477 4,079 3,27 C ,437 5,307 C1 7 5,665 4,657 5,314 C2 8 2,829 2,206 3,879 C2 9 1,018 2,378 3,423 C1 10 2,272 1,166 4,383 C2 5. Memperbarui nilai centroid. Sebagai contoh untuk cluster kedua (C1) terdapat 2 data, yaitu data ke 6 dan 9. Berikut contoh perhitungan untuk memperbarui nilai centroid dari 10 data pertama pada iterasi pertama dari 100 data: 3,47 + 3,31 C IPK = = 3,39 2 C S = C P = = 6 = 5 Lakukan hal yang sama pada semua data (100) terhadap masing-masing cluster. Berikut adalah hasil perhitungan lengkap untuk 3 cluster dari 100 data: Tabel 4. Nilai Pembaruan Pusat Cluster Pada Iterasi Pertama Cluster IPK S P 1 3,238 5, ,25 2,776 2,02 3 3,128 5,25 1, Melakukan perulangan dari langkah 3 sampai 5, sampai anggota tiap cluster tidak ada yang berubah. Pada penelitian ini, proses iterasi berhenti pada iterasi ke Implementasi 3.1. Daftar Kegiatan Daftar perencanaan kegiatan pengimplementasian penerapan data mining pemilihan penerima beasiswa kedalam perangkat lunak yang akan dirancang sebagai berikut: 1. Pengumpulan Data Merupakan tahapan pengumpulan informasi, pencarian referensi sebagai acuan pemahaman algoritma, perancangan dan pembangunan perangkat lunak serta tahap mempelajari kebutuhan akan perangkat keras dan perangkat lunak yang akan digunakan untuk pembuatan perangkat lunak.
4 2. Analisis Data Tahapan dimana proses menentukan kebutuhan apa saja yang diperlukan untuk mengimplementasikan penerapan data mining pemilihan penerima beasiswa kedalam perangkat lunak. 3. Perancangan Database Proses dimana pembuatan rancangan database dilakukan setelah data-data yang diperlukan telah diketahui sebagai penunjang pengimplementasian terhadap perangkat lunak. 4. Perancangan Interface/Desain Proses perancangan interface atau desain ini dilakukan untuk dapat memudahkan dalam tahap penulisan kode program dan untuk mempermudah pengguna dalam berinteraksi dengan perangkat lunak. 5. Pengkodean Program Proses penulisan kode program dilakukan secara bertahap sesuai rancangan desain yang telah dibuat dan setelah proses pengujian dilakukan. 6. Pengujian Proses melakukan pengujian terhadap penulisan kode program dan perbaikan kesalahan pada perangkat lunak ketika dieksekusi. 7. Evaluasi Melakukan evaluasi atau perbaikan terhadap perangkat lunak setelah dilakukannya proses pengujian terlebih dahulu. 8. Dokumentasi Proses pencatatan atau pembuatan laporan terhadap proses penerapan data mining pemilihan penerima beasiswa kedalam perangkat lunak. Berikut merupakan tabel gambaran dari kegiatankegiatan yang dilakukan selama pembuatan perancangan perangkat lunak: Tabel 5. Daftar Kegiatan Perancangan Kode Waktu Aktivitas Aktivitas Aktivitas (Minggu) Sebelumnya A Pengumpulan Data (Wawancara, dll) 3 - B Analisis Data 2 A C Perancangan Database 2 B D Perancangan Interface/Design 4 B E Pengkodean Program 5 B F Pengujian 1 C, D, E G Evaluasi 1 F H Dokumentasi 18 - Berdasarkan uraian data kegiatan pada tabel sebelumnya, maka dapat digambarkan Gantt Chart sebagai berikut: Kode Aktivitas A B C D E F G H Total Tabel 6. Gantt Chart Jadwal Mei Juni Juli Agustus ± 15 Minggu 3.2. Lingkup Dan Batasan Implementasi Berikut yang menjadi ruang lingkup dan batasan dalam mengimplementasikan perangkat lunak, yaitu: 1. Perangkat lunak ini digunakan untuk proses pemilihan penerima beasiswa apakah layak untuk direkomendasikan sebagai penerima beasiswa atau tidak. 2. Perangkat lunak ini di implementasikan melalui website atau berbasis website. 3. Bahasa pemrograman yang digunakan yaitu PHP, Framework Yii dan database menggunakan MySql.
5 3.3. Implementasi Antarmuka Gambar 1. Dialog Screen Import Data Mahasiswa Halaman tampilan tersebut digunakan untuk melakukan import atau penambahan data mahasiswa dalam jumlah banyak. Pilih tombol Choose File kemudian pilih file dalam bentuk format,xlsx lalu tekan tombol Import. Gambar 4. Dialog Screen Data Clustering(2) Gambar 5. Dialog Screen Data Clustering(3) Gambar 2. Dialog Screen Proses Iterasi Halaman tampilan tersebut digunakan untuk melakukan proses penilaian data mahasiswa kedalam bentuk iterasi. Tekan tombol Perhitungan Iterasi Selanjutnya untuk melakukan proses iterasi selanjutnya, proses tersebut harus terus dijalankan sampai muncul notifikasi yang menandakan bahwa proses iterasi telah selesai dilakuakan yang berarti bahwa data pada masing-masing cluster tidak berubah. 4. Pengujian Pengujian data mahasiswa berdasarkan hasil implementasi menggunakan perangkat lunak yang telah dirancang menghasilkan informasi berupa tabel data pengelompokan terhadap masing-masing cluster dan data perankingan rekomendasi mahasiswa penerima beasiswa, yang ditunjukan pada gambar berikut: Gambar 3. Dialog Screen Data Clustering(1) Halaman tampilan tersebut menunjukan data-data pengelompokan terhadap masing-masing cluster berdasarkan hasil proses iterasi. Gambar 6. Halaman Ranking Rekomendasi Penerima Beasiswa Dari jumlah data yang dimining, didapatkan 3 cluster dengan hasil sebagai berikut: 1. Mahasiswa calon penerima beasiswa berprestasi yang berada pada cluster 1 (Dapat Direkomendasikan) sebanyak 40 mahasiswa atau 40% dari 100 data mahasiswa dapat direkomendasikan untuk menerima beasiswa 2. Mahasiswa calon penerima beasiswa berprestasi yang berada pada cluster 2 (Dapat Dipertimbangkan) sebanyak 49 mahasiswa atau 49% dari 100 data mahasiswa dapat pertimbangkan untuk menerima beasiswa
6 3. Mahasiswa calon penerima beasiswa berprestasi yang berada pada cluster 3 (Tidak Direkomendasikan) sebanyak 11 mahasiswa atau 11% dari 100 data mahasiswa tidak dapat direkomendasikan untuk menerima beasiswa 4. Diperoleh data mahasiswa dengan nilai ranking tertinggi berdasarkan hasil dari proses pemilihan penerima beasiswa berprestasi menggunakan perangkat lunak tersebut atas nama Fauzi Rizqi Ramadhana dengan uraian nilai, IPK : 3,56, Semester : 6, Prestasi : 4 yang berarti mahasiswa tersebut berhak untuk menerima beasiswa 5. Kesimpulan Dan Saran Berdasarkan penelitian yang telah dilakukan, penggunaan metode clustering dengan menggunakan algoritma k-means mampu mengelompokan calon penerima beasiswa kedalam 3 kelompok, yang mana kelompok pertama berarti memberikan rekomendasi data yang dapat direkomendasikan mendapatkan beasiswa, kelompok kedua memberikan rekomendasi data yang dapat dipertimbangkan mendapatkan beasiswa dan kelompok ketiga memberikan rekomendasi data yang tidak datap dipertimbangkan mendapatkan beasiswa. Dari hasil pengujian dihasilkan sebanyak 40 mahasiswa direkomendasikan dapat menerima beasiswa, 49 mahasiswa dapat dipertimbangkan mendapatkan beasiswa, 11 mahasiswa yang tidak direkomendasikan mendapatkan beasiswa dan ranking teratas berdasarkan rekomendasi penerima beasiswa adalah Fauzi Rizqi Ramadhana. Hasil clustering hanya merupakan rekomendasi bagi pengambil keputusan dan keputusan akhir sepenuhnya berada pada pihak pemberi beasiswa. [3]. Heru Supriono et all. 2015, Sistem Pakar Berbasis Logika Kabur Untuk Penentuan Penerima Beasiswa, Jurnal Emitor, Volume 15, Nomor 01. [4]. Kennedi Tampubolon et all. Oktober 2013, Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan, Majalah Ilmiah Informasi dan Teknologi Ilmiah (INTI), Volume 1, Nomor 1. [5]. Nuri Guntur Perdana dan Tri Widodo. November 2013, Sistem Pendukung Keputusan Pemberian Beasiswa Kepada Peserta Didik Baru Menggunakan Metode TOPSIS, Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2013 (SEMANTIK 2013), Semarang. [6]. Nurul Rohmawati et all. 2015, Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa, Jurnal Ilmiah Teknologi Informasi Terapan, Volume I, Nomor 2. [7]. Sri Tria Siska. April 2016, Analisa Dan Penerapan Data Mining Untuk Menentukan Kubikasi Air Terjual Berdasarkan Pengelompokan Pelanggan Menggunakan Algoritma K-Means Clustering, Jurnal Teknologi Informasi & Pendidikan, Volume 9, Nomor 1. [8]. Sumarlin. April 2015, Imlementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM, Jurnal Sistem Informasi Bisnis, Volume 5, Nomor 1. Saran dan masukan yang dapat diberikan untuk menunjang atau sebagai proses pengembangan sistem selanjutnya adalah dalam proses pemilihan penerima beasiswa dapat dilakukan untuk berbagai jenis beasiswa, agar proses pemilihan penerima beasiswa dapat memberikan informasi yang lebih kompleks. DAFTAR PUSTAKA [1]. Ari Muzakir. November 2014, Analisa Dan Pemanfaatan Algoritma KMeans Clustering Pada Data Nilai Siswa Sebagai Penentuan Penerima Beasiswa, Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST), Yogyakarta. [2]. Cipta Riang Sari. 2016, Teknik Data Mining Menggunakan Classification Dalam Sistem Penunjang Keputusan Peminatan SMA Negeri 1 Polewali, Indonesian Journal on Networking and Security (IJSN), Volume 5, Nomor 1.
7
SISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING
SISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING Ati Suci Dian Martha, S.Kom., M.T. 1, Dena Jatnika Kusumah 1, Program Studi Sistem Informasi, STMIK LPKIA, Bandung Jln. Soekarno Hatta No.
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK PENGELOMPOKKAN DATA SISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (STUDI KASUS : SMKN 1 KEDIRI) SKRIPSI
Artikel Skripsi IMPLEMENTASI DATA MINING UNTUK PENGELOMPOKKAN DATA SISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (STUDI KASUS : SMKN 1 KEDIRI) SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Sekolah Menengah Atas (SMA) Negeri 01 Belangkejeren, yang terletak di
BAB I PENDAHULUAN 1.1. Latar Belakang Sekolah Menengah Atas (SMA) Negeri 01 Belangkejeren, yang terletak di Kabupaten Gayo Lues Provinsi Aceh, merupakan instansi pemerintah yang tujuan dasarnya adalah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendidikan berperan penting untuk memperoleh kehidupan yang lebih baik, seperti tercantum dalam Undang-Undang Dasar 1945 pasal 31 ayat 1 bahwa setiap warga negara
Lebih terperinciIMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN PENJURUSAN KELAS IPA, IPS, DAN SASTRA
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN PENJURUSAN KELAS IPA, IPS, DAN SASTRA Nama : Nandang Syaefulloh NPM : 55412243 Fakultas : Teknologi Industri Jurusan : Teknik Informatika Pembimbing
Lebih terperinci1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian
Penerapan Data Mining dengan Menggunakan Metode Clustering K-Mean Untuk Mengukur Tingkat Ketepatan Kelulusan Mahasiswa Program Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Peminatan atau konsenterasi merupakan fokus mahasiswa terhadap suatu bidang studi tertentu yang sesuai dengan minatnya. Tujuannya yaitu untuk lebih memfokuskan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan jaman, komputer semakin banyak berperan di dalam kehidupan masyarakat. Hampir semua bidang kehidupan telah menggunakan komputer sebagai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perguruan tinggi merupakan suatu sarana dalam proses pembelajaran. Pembelajaran adalah proses interaksi mahasiswa dengan dosen dan sumber belajar pada lingkungan belajar.
Lebih terperinciBAB 3 METODE PENELITIAN. Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder.
BAB 3 METODE PENELITIAN 3.1 Metode Pengumpulan Data 3.1.1 Sumber Data Jenis sumber data yang didapatkan peneliti adalah data primer dan data sekunder. 1. Data primer Didapatkan peneliti secara langsung
Lebih terperinciIMPLEMENTASI METODE K-MEANS CLUSTERING UNTUK ANALISA PRESTASI SISWA BERDASARKAN DATA SISWA DI SMA NEGERI 1 GROGOL SKRIPSI
IMPLEMENTASI METODE K-MEANS CLUSTERING UNTUK ANALISA PRESTASI SISWA BERDASARKAN DATA SISWA DI SMA NEGERI 1 GROGOL SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi perguruan tinggi yang bergerak di bidang pendidikan, yang di dalamnya terdapat
Lebih terperinciBAB I PENDAHULUAN. Perguruan tinggi yang baik dipengaruhi oleh kualitas. mahasiswa di dalamnya. Mahasiswa merupakan objek
1 BAB I PENDAHULUAN 1.1. Latar Belakang Perguruan tinggi yang baik dipengaruhi oleh kualitas mahasiswa di dalamnya. Mahasiswa merupakan objek pembelajaran bagi perguruan tinggi sehingga jika prestasi mahasiswa
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pemberian Beasiswa merupakan program kerja yang ada di setiap Universitas atau Perguruan Tinggi. Program beasiswa diadakan untuk meringankan beban mahasiswa dalam
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
7 BAB I PENDAHULUAN 1.1 Latar Belakang Beberapa institusi yang memanfaatkan sistem informasi berbasis komputer selama bertahun-tahun sudah pasti memiliki jumlah data yang cukup besar pula. Data yang dihasilkan
Lebih terperinciSISTEM INFORMASI PENCATATAN ADMINISTRASI PENERIMAAN KARYAWAN BERBASIS WEB DI PT. TIKI JALUR NUGRAHA EKAKURIR
SISTEM INFORMASI PENCATATAN ADMINISTRASI PENERIMAAN KARYAWAN BERBASIS WEB DI PT. TIKI JALUR NUGRAHA EKAKURIR Widya Revina S.KOM.¹, Rizky Maulana² 1,2 Program Studi Sistem Informasi STMIK LPKIA Jln. Soekarno
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 terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di lakukan oleh Muhammad Toha dkk (2013), Sylvia Pretty Tulus (2014), Johan
Lebih terperinciPerancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors Gede Aditra
Lebih terperinciBAB 1 PENDAHULUAN. Tabel 1 1. Jumlah mahasiswa baru masing-masing program studi tahun Tahun. Jurusan. Akuntansi - S
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam dunia pendidikan yang kian maju ditambah dengan kemajuan teknologi informasi membuat data yang dihasilkan mengenai siswa.penerapan teknologi informasi dalam dunia
Lebih terperinciBAB I PENDAHULUAN. menjalankan suatu pekerjaan dan kegiatan usaha. Dalam mengelola informasi,
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan pesatnya perubahan zaman pada era globalisasi, maka sudah tidak asing bahwa informasi merupakan hal yang sangat penting dalam menjalankan suatu pekerjaan
Lebih terperinciPENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PENGELOMPOKAN TINGKAT KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Yulius Palumpun 1), Sitti Nur Alam 2) 1) Program Studi Sistem Informasi Fakultas Ilmu Komputer dan Manajemen (FIKOM) - Universitas
Lebih terperinciBAB I PENDAHULUAN. diberikan pemerintah melalui Direktorat Jendral pendidikan Tinggi (Ditjen Dikti).
BAB I PENDAHULUAN I.1 Latar Belakang Salah satu hak azasi manusia yang paling mendasar adalah memperoleh pendidikan yang layak seperti tercantum dalam UUD 1945. Ketika seseorang memperoleh pendidikan yang
Lebih terperinciBAB I PENDAHULUAN. yakni teknik mesin, teknik elektro dan teknik informatika. Namun bagi para calon
BAB I PENDAHULUAN I.1. Latar Belakang Sekolah Tinggi Teknologi Sinar Husni (STT. Sinar Husni) memiliki mahasiswa yang mayoritasnya adalah para pekerja, oleh karena itu banyak para pekerja yang melanjutkan
Lebih terperincibaris data atau rekaman data
TAKARIR action state langkah-langkah dalam sebuah aktivitas clustering pengelompokan data dengan melakukan pengamatan, atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan data flow
Lebih terperinciIMPLEMENTASI ALGORITMA K-MEANS DALAM PENGKLASTERAN MAHASISWA PELAMAR BEASISWA
IMPLEMENTASI ALGORITMA K-MEANS DALAM PENGKLASTERAN MAHASISWA PELAMAR BEASISWA Nurul Rohmawati W 1), Sofi Defiyanti 2), Mohamad Jajuli 3) 1),2),3) Teknik Informatika Fakultas Ilmu Komputer Universitas Singaperbangsa
Lebih terperinciPERANGKAT LUNAK PENGELOLAAN DATA KEARSIPAN PADA BAGIAN TATA USAHA DI SEKRETARIAT DPRD KOTA BANDUNG
PERANGKAT LUNAK PENGELOLAAN DATA KEARSIPAN PADA BAGIAN TATA USAHA DI SEKRETARIAT DPRD KOTA BANDUNG Offy Sholehatun, M.Kom. 1, Noor Ma rifah Aulia 2 1 Program Studi Manajemen Informatika Politeknik Komputer
Lebih terperinciANALISA DAN PEMANFAATAN ALGORITMA K-MEANS CLUSTERING PADA DATA NILAI SISWA SEBAGI PENENTUAN PENERIMA BEASISWA
ANALISA DAN PEMANFAATAN ALGORITMA K-MEANS CLUSTERING PADA DATA NILAI SISWA SEBAGI PENENTUAN PENERIMA BEASISWA Ari Muzakir Fakultas Ilmu Komputer, Universitas Bina Darma Palembang e-mail : ariemuzakir@gmail.com,
Lebih terperinciPENERAPAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI PROFIL LULUSAN STMIK LPKIA
PENERAPAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI PROFIL LULUSAN STMIK LPKIA 1 Ati Suci Dian Martha, S.Kom, M.T., 2 Popy Widiyani 1 Program Studi Teknik Informatika STMIK LPKIA 2 Program Studi Sistem Informasi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN SEKOLAH ADIWIYATA DENGAN METODE SIMPLE ADDITIVE WEIGHTING ABSTRAK
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN SEKOLAH ADIWIYATA DENGAN METODE SIMPLE ADDITIVE WEIGHTING Tito Nugroho Harnianto Jurusan Teknik Informatika S1, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
Lebih terperinciKLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG)
KLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG) Fasrul Rahman Ansori Teknik Informatika, Ilmu Kompputer, Universitas
Lebih terperinciARTIKEL PENILAIAN PRESTASI KERJA PEGAWAI NEGERI SIPIL
ARTIKEL PENERAPAN METODE K-MEANS DALAM PROSES CLUSTERING PENILAIAN PRESTASI KERJA PEGAWAI NEGERI SIPIL Oleh: IRFAN DWI NURCAHYO BUDIARTO 13.1.03.02.0117 Dibimbing oleh : 1. Hermin Istiasih, ST.,M.M.,M.T.
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Di tengah laju kemajuan teknologi telekomunikasi dan informatika, informasi yang cepat dan akurat semakin menjadi kebutuhan pokok para pengambil keputusan. Informasi
Lebih terperinciBAB I PENDAHULUAN. usaha jasa perjalanan wisata di Bali. Perusahaan ini melayani pelanggan
BAB I PENDAHULUAN 1.1 Latar Belakang PT. Bali Sinar Mentari adalah perusahaan yang bergerak pada bidang usaha jasa perjalanan wisata di Bali. Perusahaan ini melayani pelanggan domestik maupun mancanegara
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS Sinawati ), Ummi Syafiqoh 2) ), 2) Sistem Informasi STMIK PPKIA Tarakanita Rahmawati Tarakan Jl Yos
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN
BAB V IMPLEMENTASI DAN PENGUJIAN 5.1. Tahapan Implementasi Tahap implementasi ini dilakukan setalah tahap analisa dan perancangan selesai dilakukan. Dalam tahap implementasi ini akan dilakukan pengkodingan
Lebih terperinciBAB I PENDAHULUAN. serta dapat bertingkah sesuai norma-norma yang berlaku. Sebab ide dasar
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan adalah hal penting dalam kehidupan seseorang. Melalui pendidikan, seseorang dapat dipandang terhormat, memiliki karir yang baik serta dapat bertingkah sesuai
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. Dengan kemajuan teknologi informasi sekarang ini, kebutuhan akan
BAB 1 PENDAHULUAN A. Latar Belakang Dengan kemajuan teknologi informasi sekarang ini, kebutuhan akan informasi yang akurat sangat dibutuhkan dalam kehidupan sehari-hari. Namun kebutuhan informasi yang
Lebih terperinciPenerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop)
157 Penerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop) Elly Muningsih AMIK BSI Yogyakarta E-Mail : elly.emh@bsi.ac.id Abstrak Berkembangnya
Lebih terperinciK-MEANS UNTUK MENENTUKAN CALON PENERIMA BEASISWA BIDIK MISI DI POLBENG
K-MEANS UNTUK MENENTUKAN CALON PENERIMA BEASISWA BIDIK MISI DI POLBENG Jaroji 1, Danuri 2, Fajri Profesio Putra 3 Politeknik Negeri Bengkalis, Jl. Bathin Alam, Sungai Alam, Bengkalis jaroji@polbeng.ac.id
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Association rules mining merupakan teknik data mining untuk menentukan hubungan diantara data atau bagaimana suatu kelompok data mempengaruhi suatu kelompok data lain
Lebih terperinciPENERAPAN ALGORITMA C4.5 DALAM PENERIMAAN CALON KARYAWAN PT. TELKOM AKSES AREA LAMPUNG BERBASIS WEBSITE
PENERAPAN ALGORITMA C4.5 DALAM PENERIMAAN CALON KARYAWAN PT. TELKOM AKSES AREA LAMPUNG BERBASIS WEBSITE Tosy Caesar Kurniawan 1,2 Jl. Zainal Abidin Pagar Alam No.93, Kedaton, Bandar Lampung 3 Teknik Informatika,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan yang telah dilakukan
Lebih terperinciAPLIKASI PENGELOLAAN DATA KINERJA MUTASI PEGAWAI DI BIRO KEPEGAWAIAN SEKRETARIAT DAERAH (SETDA) PROVINSI JAWA BARAT BERBASIS WEB
APLIKASI PENGELOLAAN DATA KINERJA MUTASI PEGAWAI DI BIRO KEPEGAWAIAN SEKRETARIAT DAERAH (SETDA) PROVINSI JAWA BARAT BERBASIS WEB Ardiles Sinaga 1 Depi Aryanti 2 12 Program Studi Sistem Informasi STIMIK
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA PENGELOMPOKAN DATA SISWA BARU BERDASARKAN JURUSAN DI SMK NEGERI 1 KOTA JAMBI BERBASIS WEB.
PENERAPAN ALGORITMA K-MEANS PADA PENGELOMPOKAN DATA SISWA BARU BERDASARKAN JURUSAN DI SMK NEGERI 1 KOTA JAMBI BERBASIS WEB. Faiza Rini 1), Novhirtamely Kahar 2), 3) Juliana 1) Sistem Informasi STMIK Nurdin
Lebih terperinciSISTEM REKOMENDASI PENERIMAAN BEASISWA PRESTASI DAN MISKIN MENGGUNAKAN PROFILE MATCHING HALAMAN JUDUL
SISTEM REKOMENDASI PENERIMAAN BEASISWA PRESTASI DAN MISKIN MENGGUNAKAN PROFILE MATCHING HALAMAN JUDUL SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penyimpanan dokumen secara digital berkembang dengan pesat seiring meningkatnya teknologi. Kondisi tersebut memunculkan masalah untuk mengakses informasi yang diinginkan
Lebih terperinci1. BAB 1 PENDAHULUAN. 1.1 Latar Belakang
1. BAB 1 PENDAHULUAN 1.1 Latar Belakang Beasiswa di Universitas Telkom merupakan salah satu bentuk bantuan untuk mahasiswa yang dapat digunakan untuk mendukung keberlangsungan pendidikannya. Beasiswa ini
Lebih terperinciABSTRAK. Kata Kunci : Pengelolaan, Inventaris, Framework CI
PERANGKAT LUNAK MONITORING KERUSAKAN DAN KEHILANGAN DEVICE Studi Kasus : PT. ENSEVAL PUTERA MEGATRADING TBK Dandy Ahkmad Rahadiansyah 1, Mahpudin 2 1,2 Program Studi Manajemen Informatika PKN LPKIA Jln.
Lebih terperinciPenerapan Algoritma K-Means untuk Clustering
Seminar Perkembangan dan Hasil Penelitian Ilmu Komputer (SPHP-ILKOM) 71 Penerapan Algoritma K-Means untuk ing Dokumen E-Jurnal STMIK GI MDP Ernie Kurniawan* 1, Maria Fransiska 2, Tinaliah 3, Rachmansyah
Lebih terperinciPENGGUNAAN METODE HILL CLIMBING UNTUK PENCARIAN SEKOLAH DASAR DI KECAMATAN CIMAHI TENGAH
JURNAL LPKIA, Vol.1 No.1, Januari 2015 PENGGUNAAN METODE HILL CLIMBING UNTUK PENCARIAN SEKOLAH DASAR DI KECAMATAN CIMAHI TENGAH 1 Yaya Supriatna 1 Program Studi Teknik Informatika STMIK LPKIA Jln. Soekarno
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Promosi adalah salah satu faktor yang diperlukan bagi keberhasilan bagi suatu perusahaan atau organisasi, maka promosi merupakan salah satu senjata ampuh bagi perusahaan
Lebih terperinciBAB I PENDAHULUAN. banyaknya permintaan konsumen. Pada CV. Surya Indah Abadi untuk mengetahui
BAB I PENDAHULUAN I.1. Latar Belakang Tingginya angka penjualan merupakan salah satu tujuan bagi para pedagang. Untuk itu para pedagang berusaha untuk mendapatkan pelanggan sebanyakbanyaknya. Para pedagang
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan mahasiswa berdasarkan status gizi Body Mass Index (BMI) dan ukuran kerangka.
Lebih terperinciPERANGKAT LUNAK ADMINISTRASI SURAT KETERANGAN BERBASIS WEBSITE DI DESA BANJARAN BANDUNG Dandy Akhmad Rahadiansyah 1, Fajar Taupik Ismail 2 1,2
PERANGKAT LUNAK ADMINISTRASI SURAT KETERANGAN BERBASIS WEBSITE DI DESA BANJARAN BANDUNG Dandy Akhmad Rahadiansyah 1, Fajar Taupik Ismail 2 1,2 Program Studi Manajemen Informatika PKN LPKIA Jln. Soekarno
Lebih terperinciProsiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: Statistika, hal
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 19-27 IMPLEMENTASI METODE IMPUTASI MEAN DAN EXPECTATION MAXIMISATION TERHADAP
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah kemiskinan merupakan hal yang sangat kompleks. Di wilayah Kecamatan Bantul, seorang warga disebut sebagai keluarga miskin berdasarkan beberapa aspek seperti
Lebih terperinciSKRIPSI ROSITA DEWI EKAWATI
ANALISIS PENGGUNAAN APLIKASI RAPIDMINER DAN APLIKASI WEKA DALAM MENENTUKAN PENERIMA KARTU INDONESIA PINTAR DI SD NEGERI 3 MANGKUJAYAN PONOROGO MENGGUNAKAN METODE DATA MINING ALGORITMA K-MEANS CLUSTERING
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BEASISWA DENGAN MENGGUNAKAN METODE TOPSIS (STUDI KASUS: SMK NEGERI 1 KEDIRI) SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BEASISWA DENGAN MENGGUNAKAN METODE TOPSIS (STUDI KASUS: SMK NEGERI 1 KEDIRI) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciBAB 1. PENDAHULUAN 1.1. Latar Belakang Pelanggan merupakan salah satu posisi penting dalam pengembangan strategi bisnis, pelanggan juga merupakan salah satu sumber keuntungan dalam perusahaan. Untuk itu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Beberapa penelitian terdahulu telah banyak yang menerapkan data mining, yang bertujuan dalam menyelesaikan beberapa permasalahan seputar dunia pendidikan. Khususnya
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Saat ini perkembangan dunia teknologi informasi semakin meluas, baik dari segi ruang lingkup maupun tingkat perkembangan teknologi itu sendiri. Begitu pula dengan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan zaman dan kompleksnya kehidupan, maka manusia menginginkan tersedianya informasi yang tepat dan akurat dalam mengambil keputusan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan ritel yang menyediakan berbagai kebutuhan berkembang pesat bukan hanya di kota besar saja tetapi juga di kota-kota kecil. Untuk memperoleh keuntungan yang
Lebih terperinciBAB I PENDAHULUAN. Dalam pasal 31 ayat 1 Undang-Undang Dasar Republik Indonesia 1945 dijelaskan
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam pasal 31 ayat 1 Undang-Undang Dasar Republik Indonesia 1945 dijelaskan bahwa setiap warga negara berhak mendapatkan pendidikan. Pendidikan memiliki peran yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peminatan siswa SMA Negeri 8 Bandung dilakukan di kelas X SMA setelah tahap daftar ulang. Hal tersebut berdasarkan aturan kurikulum 2013 [11]. Peminatan merupakan hal
Lebih terperinciPERANGKAT LUNAK PENJUALAN BERBASIS WEB (E-COMMERCE) DI PETERNAKAN AYAM HIAS PARENGNA
PERANGKAT LUNAK PENJUALAN BERBASIS WEB (E-COMMERCE) DI PETERNAKAN AYAM HIAS PARENGNA 1 H Agus Salim, 2 Hermawan Julianto 1 Program Studi Manajemen Informatika PKN LPKIA 2 Program Studi Teknik Informatika
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BEASISWA KOPERTIS UNTUK MAHASISWA DENGAN METODE PROFILE MATCHING DI STMIK DCI KOTA TASIKMALAYA ABSTRAK
SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BEASISWA KOPERTIS UNTUK MAHASISWA DENGAN METODE PROFILE MATCHING DI STMIK DCI KOTA TASIKMALAYA H.Akik Hidayat 1, Tria Sugiarto 2 1) Prodi Informatika Fakultas
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5
PENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH PELANGGAN AKTIF DENGAN MENGGUNAKAN ALGORITMA C4.5 Annisak Izzaty Jamhur Universitas Putera Indonesia YPTK Padang e-mail: annisakizzaty@yahoo.com Abstract
Lebih terperinciRichard Victor G., S.T. 1. Gian Ferdiansyah 2
SISTEM PENDUKUNG KEPUTUSAN (SPK) PENENTUAN P E R J A L A N A N D I N A S K E R J A K A R Y A W A N MENGGUNAKAN METODE PROFILE MATCHING (STUDI KASUS PADA PT. NUSANTARA TURBIN DAN PROPULSI) Richard Victor
Lebih terperinciUKDW BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Konsumsi, Finansial, semakin menjadi hal yang tidak dapat dipisahkan seiring terus berkembangnya suatu negara. Transaksi, jual, beli, sudah menjadi kata yang sangat
Lebih terperinci1. BAB 1 PENDAHULUAN. 1.1 Latar Belakang
1. BAB 1 PENDAHULUAN 1.1 Latar Belakang Yayasan Kanker Indonesia (YKI) adalah organisasi nirlaba yang memiliki jaringan kerja di seluruh provinsi di Indonesia. YKI memiliki peranan penting dalam memfasilitasi
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang 1 BAB I PENDAHULUAN Pengambilan keputusan pada perusahaan berskala nasional seperti perusahaan otomotif merupakan hal yang sangat penting. Dimana keputusan yang salah bisa mengakibatkan
Lebih terperinciIMPLEMENTASI K-MEANS CLUSTERING UNTUK PEMBAGIAN KELAS SISWA
IMPLEMENTASI K-MEANS CLUSTERING UNTUK PEMBAGIAN KELAS SISWA SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Teknik Informatika OLEH : NISIA
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PROGRAM STUDI S1 DI LPKIA MENGGUNAKAN METODE AHP
SISTEM PENDUKUNG KEPUTUSAN PROGRAM STUDI S1 DI LPKIA MENGGUNAKAN METODE AHP Irman Hariman 1, Imam Munandar 2 12 Program Studi Manajemen Informatika STMIK LPKIA Jln. Soekarno Hatta No. 456 Bandung 40266,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. studi yang pernah dilakukan yang berkaitan dengan penelitian ini yaitu bisa dilihat
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Tinjuan pustaka merupakan acuan utama pada penelitian ini berupa beberapa studi yang pernah dilakukan yang berkaitan dengan penelitian ini
Lebih terperinciBAB I PENDAHULUAN. Politeknik Telkom Bandung merupakan salah satu politeknik yang berada. naungan YPT (Yayasan Pensiun Telkom).
BAB I PENDAHULUAN 1.1 Latar Belakang Politeknik Telkom Bandung merupakan salah satu politeknik yang berada di bawah naungan YPT (Yayasan Pensiun Telkom). Politeknik Telkom betujuan untuk menghasilkan tenaga
Lebih terperinciBAB I PENDAHULUAN. setiap warga negaranya untuk meraih pendidikan setinggi-tingginya. Beberapa di
BAB I PENDAHULUAN I.1. Latar Belakang Menyadari bahwa pendidikan sangat penting, negara sangat mendukung setiap warga negaranya untuk meraih pendidikan setinggi-tingginya. Beberapa di antaranya melakukan
Lebih terperinciPERANGKAT LUNAK PENGOLAHAN NILAI SISWA PADA SEKOLAH MENENGAH ATAS (STUDI KASUS DI SMA YADIKA SUMEDANG)
PERANGKAT LUNAK PENGOLAHAN NILAI SISWA PADA SEKOLAH MENENGAH ATAS (STUDI KASUS DI SMA YADIKA SUMEDANG) 1 Indra Purnama M.T., MCAS, MOS, 2 Septi Damayanti 1 Program Studi Teknik Informatika STMIK LPKIA
Lebih terperinciIMPLEMENTATION K-MEANS ALGORITHM TO PREDICT CONSUMER INTEREST ACCORDING TO THE SEASON ON PLACE RESERVATION AND FOOD ONLINE SOFTWARE IN FOOD GARDEN
IMPLEMENTASI ALGORITMA K-MEANS UNTUK MEMPREDIKSI MINAT KONSUMEN SESUAI DENGAN MUSIM PADA PERANGKAT LUNAK PEMESANAN TEMPAT DAN MAKANAN ONLINE DI FOOD GARDEN IMPLEMENTATION K-MEANS ALGORITHM TO PREDICT CONSUMER
Lebih terperinciBAB I PENDAHULUAN. dari pemikiran-pemikiran manusia yang semakin maju, hal tersebut dapat. mendukung bagi pengembangan penyebaran informasi.
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dan ilmu pengetahuan pada masa globalisasi ini dirasakan telah semakin pesat dan canggih. Semua ini dikarenakan hasil dari pemikiran-pemikiran
Lebih terperinciPENGELOMPOKAN NASABAH BANK MENGGUNAKAN ALGORITMA K- MEANS UNTUK MEMBERIKAN PENAWARAN YANG TEPAT
PENGELOMPOKAN NASABAH BANK MENGGUNAKAN ALGORITMA K- MEANS UNTUK MEMBERIKAN PENAWARAN YANG TEPAT Ismail Setiawan 1) 1) Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperincia. Prosesor yang digunakan adalah Intel Core i3 1.9 Ghz b. RAM dengan ukuran 2GB c. Harddisk dengan ukuran 500GB d. Layar monitor 14.
BAB III METODE PENELITIAN 3.1 Instrumen Penelitian Beberapa perangkat yang digunakan untuk mengerjakan tugas akhir ini adalah sebagai berikut : 1. Perangkat Lunak Dalam melakukan penelitian, peneliti menggunakan
Lebih terperinciPERANCANGAN APLIKASI PENENTUAN JURUSAN DI SMA MENGGUNAKAN METODE K-MEANS
PERANCANGAN APLIKASI PENENTUAN JURUSAN DI SMA MENGGUNAKAN METODE K-MEANS Herianto Manurung (1011933) Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Menentukan kebutuhan data yang akan digunakan Mengumpulkan data yang dibutuhkan Mempersiapakan alat dan bahan penelitian Observasi Wawancara Data Penelitian
Lebih terperinciBAB I PENDAHULUAN. secara manual dari suatu kumpulan data. Defenisi lain data mining adalah sebagai
BAB I PENDAHULUAN I.1. Latar Belakang Data mining merupakan serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual dari
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sejalan dengan perkembangan teknologi informasi, semakin bertambah pula kemampuan komputer dalam membantu menyelesaikan permasalahanpermasalahan di berbagai
Lebih terperinciBAB I PENDAHULUAN. commit to user
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Pemerintah melalui Direktorat Jendral Pendidikan Tinggi Departemen Pendidikan Nasional berupaya mengalokasikan dana untuk memberikan beasiswa kepada
Lebih terperinciBAB I PENDAHULUAN. informasi, dimana penerapannya mengarah pada kemajuan teknologi masa. manusia dalam proses pengambilan keputusan.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan zaman dalam bidang teknologi, perusahaan atau instansi semakin dipicu untuk menggunakan teknologi yang maju sebagai alat atau media
Lebih terperinciPERANCANGAN SISTEM INFORMASI SUMBER DAYA MANUSIA DI PT INFOMEDIA SOLUSI HUMANIKA BANDUNG
PERANCANGAN SISTEM INFORMASI SUMBER DAYA MANUSIA DI PT INFOMEDIA SOLUSI HUMANIKA BANDUNG Dedy Kasraji 1, Soni Fajar Surya G, S.T., MCAS. 2 1,2 Program Studi Sistem Informasi STMIK LPKIA Jln. Soekarno Hatta
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN BEASISWA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) STUDI KASUS PADA SMP DHARMA BHAKTI PUBIAN
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN BEASISWA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) STUDI KASUS PADA SMP DHARMA BHAKTI PUBIAN Sariyah Astuti, Muammar STMIK Pringsewu Lampung Jl. Wisma Rini
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN Pada bab ini akan menjelaskan mengenai dasar awal pada pembuatan laporan tugas akhir. Dasar awal tersebut terdiri dari latar belakang masalah, rumusan masalah, maksud dan tujuan dilakukan
Lebih terperinciAplikasi E-Ticketing Berbasis Web Pada PT. Infomedia Nusantara
Aplikasi E-Ticketing Berbasis Web Pada PT. Infomedia Nusantara Yudha Pratama 1, Eko Subyantoro 2, Rima Maulini 3 1 mahasiswa, 2 pembimbing 1, 3 pembimbing 2 Mahasiswa Jurusan Ekonomi dan Bisnis dan Dosen
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang didapatkan sesuai dengan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia pendidikan, khususnya Pendidikan Tinggi mendapat sorotan dari publik. Salah satu sorotan yang dimaksud yaitu: belum meratanya sistem pendidikan tinggi di Jawa
Lebih terperinciPERANGKAT LUNAK PEMBAYARAN SEKOLAH DI SMK PASUNDAN 2 BANJARAN BERBASIS DESTOP
PERANGKAT LUNAK PEMBAYARAN SEKOLAH DI SMK PASUNDAN 2 BANJARAN BERBASIS DESTOP 1 Ahmad Nurjaman 1 Program Studi Informatika STMIK LPKIA 2 Program Studi Teknik Informatika STMIK LPKIA Jln. Soekarno Hatta
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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bagian Pengembangan Sumber Daya Manusia atau Human Resource Development (HRD) adalah salah satu bagian di bawah Bidang Sumber Daya pada jajaran Wakil Rektor II Bidang
Lebih terperinci