PENGELOMPOKAN BIMBINGAN BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMA NEGERI 1 CILAKU KABUPATEN CIANJUR
|
|
- Susanti Pranoto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGELOMPOKAN BIMBINGAN BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMA NEGERI 1 CILAKU KABUPATEN CIANJUR SIDANG SKRIPSI Oleh Adry Rahadinata Penguji 1 Andri Heryandi, S.T., M.T. Penguji 2 Adam Mukharil Bachtiar, S.Kom. Penguji 3 Eko Budi S., S.Kom.
2 SMA Negeri 1 Cilaku Kabupaten Cianjur
3 Bimbingan belajar (pemantapan)
4 Kemampuan siswa yang berbeda-beda.
5 Kurangnya minat siswa dalam mengikuti proses bimbingan belajar.
6 Bagaimana cara pengelompokan yang optimal?
7 Maksud Membangun perangkat lunak
8 Tujuan Membantu pihak sekolah Menghasilkan perangkat lunak
9 Batasan Masalah
10 Metode pengelompokan yang digunakan adalah metode clustering.
11 Algoritma yang digunakan adalah algoritma K-Means.
12 Data yang digunakan dalam perangkat lunak ini merupakan data nilai rata-rata mata pelajaran yang akan dibimbingkan dari semester III sampai semester V.
13 Pembagian kelompok bimbingan belajar untuk siswa jurusan IPA dipisahkan dengan pembagian kelompok untuk siswa jurusan IPS.
14 Pendekatan analisis yang digunakan dalam pembangunan sistem ini berdasarkan pendekatan analisis terstruktur.
15 Algoritma K-Means K-Means merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih cluster/kelompok. (Yudi Agusta 2007 : 47)
16 Algoritma k-means klastering bisa diringkas sebagai berikut : 1. Pilih jumlah klaster k 2. Inisialisasi k pusat klaster ini bisa dilakukan dengan berbagai cara. Yang paling sering dilakukan adalah dengan cara random. Pusat-pusat klaster diberi nilai awal dengan angka-angka random. 3. Tempatkan setiap data/obyek ke klaster terdekat. Kedekatan dua obyek ditentukan berdasar jarak keedua obyek tersebut. Demikian juga kedekatan suatu data ke klaster tertentu ditentukan jarak antara data dengan pusat klaster. Dalam tahap ini perlu dihitung jarak tiap data ke tiap pusat klaster. Jarak paling dekat antara satu data dengan satu klaster tertentu akan menentukan suatu data masuk dalam klaster mana. 4. Hitung kembali pusat klaster dengan keanggotaan klaster yang sekarang. Pusat klaster adalah rata-rata dari semua data/ obyek dalam klaster tertentu. Jika dikehendaki bisa juga memakai median dari klaster tersebut. Jadi rata-rata (mean) bukan satu-satunya ukuran yang bisa dipakai. 5. Tugaskan lagi setiap obyek dengan memakai pusat klaster yang baru. Jika pusat klaster sudah tidak berubah lagi, maka proses pengklasteran selesai. Atau, kembali lagi ke langkah nomor 3 sampai pusat klaster tidak berubah lagi. (Budi Santosa 2007 : 42)
17 Flowchart Algoritma K-means Start Inisialisasi Data Jumlah klaster Pemilihan centroid secara random Perhitungan jarak objek ke centroid Ya Pengelompokan berdasarkan jarak terpendek Update nilai centroid baru Apakah anggota suatu cluster sudah tidak berpindah lagi? Tidak Apakah iterasi <= 50? Ya Tidak Stop
18 Contoh Kasus Nis Jurusan B. Indonesia - smt 3 B. Inggris - smt 3 Matematika - smt 3 Fisika - smt 3 Kimia- smt 3 Biologi - smt 3 B. Indonesia - smt 4 B. Inggris - smt 4 Matematika - smt 4 Fisika - smt 4 Kimia- smt 4 Biologi - smt 4 B. Indonesia - smt 5 B. Inggris - smt 5 Matematika - smt 5 Fisika - smt 5 Kimia - smt 5 Biologi - smt A A A A A A A A A A A A
19 Dari data tersebut akan dikelompokan menjadi tiga kelompok berdasarkan mata pelajaran yang akan dibimbingkan disetiap jurusan menggunkan algoritma K-Means, Dalam contoh ini pengelompokan akan dilakukan terhadap siswa berdasarkan nilai rata-rata mata pelajaran bahasa indonesia dengan perulangan maximum tiga kali perulangan
20 1 Menghitung nilai rata-rata dari tiap mata pelajaran yang hasilnya terdapat dalam tabel di bawah ini No Nis B.Indonesia B.Ingris Matematika Fisika Kimia Biologi
21 2 Dari tabel tersebut kita tentukan pusat awal cluster untuk clustering B.Indonesia secara acak. Pusat awal kita ambil dari data yang ada pada kolom B.Indonesia dengan menggunakan fungsi random, misalnya nilai yang didapat adalah sebagai berikut : c1 = 7.60 yang diambil dari data ke-4 c2 = 7.77 yang diambil dari data ke-11 c3 = 8.07 yang diambil dari data ke-7
22 3 Menghitung jarak dari semua data ke tiap titik pusat cluster pertama menggunakan Euclidean Distace dengan rumus sebagai berikut:
23 1. Menghitung jarak data ke-1 dengan centroid pertama (c1) 2. Menghitung jarak data ke-1 dengan centroid kedua (c1) 3. Menghitung jarak data ke-1 dengan centroid ketiga(c1)
24 4 Perhitungan jarak setiap data dan posisi cluster pada iterasi pertama. No Nis D i1 D i2 D i3 C1 C2 C * * * * * * * * * * * *
25 Menentukan pusat cluster baru dengan cara menghitung ratarata dari data yang ada di masing-masing cluster. 5 Perhitungan pusat cluster baru pertama Karena cluster pertama (C1) memiliki dua anggota maka : Perhitungan pusat cluster baru kedua Karena cluster kedua (C2) memiliki tujuh anggota maka : Perhitungan pusat cluster baru ketiga Karena cluster ketiga (C3) memiliki tiga anggota maka :
26 Mengulangi langkah tiga, empat dan lima sampai pusat cluster tidak berubah lagi atau perubahan nilai pada jumlah iterasi melebihi nilai perulangan maksimun yang ditentukan. 6
27 Perhitungan jarak setiap data dan posisi cluster pada iterasi kedua. No Nis D i1 D i2 D i3 C1 C2 C * * * * * * * * * * * * * * *
28 Perhitungan jarak setiap data dan posisi cluster pada iterasi ketiga. No Nis D i1 D i2 D i3 C1 C2 C * * * * * * * * * * * * Perulangan dihentikan karena dalam perulangan yang ketiga sudah tidak ada lagi anggota suatu cluster dari perulangan sebelumnya yang berpindah cluster
29 ERD
30 Diagram Konteks Data alamat file excel Data dalam file Data Penentuan Klastering 0 Pengguna Sistem Pengelompokan Bimbingan Belajar file excel + Report Pengelompokan Log Pengelompokan Info dalam file excel
31 DFD Level 1 Info dalam file excel [Data alamat file excel] 1 Import file excel + [Data dalam file] Data Siswa file excel Data Nilai Detail Penilaian Data Nilai Data Penentuan Kelastering Data Siswa Pengguna Log Pengelompokan 2 Pengelompoka n Siswa + Data Siswa Log Pengelompokan Data Log Pengelompokan [Report Pengelompokan] Data Log Pengelompokan 3 Report Log Pengelompoka n
32 DFD Level 2 Import File Excel [Data alamat file excel] [Data alamat file excel] [Data Siswa] 1.1 Import Data Siswa [Data dalam file] [Info dalam file excel] [Data dalam file] Pengguna Data Siswa [Data alamat file excel] [Data Nilai] 1.2 Import Data Nilai [Data dalam file] file excel [Info dalam file excel] Detail Penilaian [Info dalam file excel]
33 DFD Level 2 Pegelompokan Siswa [Data Penentuan Kelastering] 2.1 Hitung nilai rata_rata per mata pelajaran [Data Nilai] Detail Penilaian Nilai rata_rata Data Siswa [Data Siswa] Pengguna 2.2 Klastering Log Pengelompokan [Log Pengelompokan] [Data Log Pengelompokan]
34 Diagram Relasi
35 Struktur Menu
36 Perancangan Antarmuka
37
38
39
40 Perancangan Pesan
41 Jaringan Semantik
42 Perancangan Prosedural
43 Prosedur Import Data
44 Prosedur Pengelompokan
45 White Box Algoritma K-means Black Box Equivalence Partitioning Testing Beta Wawancara
46 Kesimpulan Membantu sekolah Hasil pengelompokan Saran Kasus sistem pembagian kelas
47 Terima Kasih
Pengenalan Pola. K-Means Clustering
Pengenalan Pola K-Means Clustering PTIIK - 2014 Course Contents 1 Definisi k-means 2 Algoritma k-means 3 Studi Kasus 4 Latihan dan Diskusi K-Means Clustering K-Means merupakan salah satu metode pengelompokan
Lebih terperinciSISTEM PEMBAGIAN KELOMPOK BIMBINGAN BELAJAR DENGAN METODE K-MEANS CLUSTERING
SISTEM PEMBAGIAN KELOMPOK BIMBINGAN BELAJAR DENGAN METODE K-MEANS CLUSTERING ARTIKEL SKRIPSI Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Teknik
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 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 terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
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 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 terperinciPartitional clustering KLASTERING DENGAN METODE K-MEANS
Partitional clustering KLASTERING DENGAN METODE K-MEANS PENDAHULUAN K-mean merupakan teknik klastering yang paling umum dan sederhana. Tujuan klastering ini adalah mengelompokkan obyek ke dalam k klaster/kelompok.
Lebih terperinciBAB III METODE DAN PERANCANGAN SISTEM. menggunakan referensi jurnal, e-book, dan artikel terkait.
BAB III METODE DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah sebagai berikut. 1. Studi Literatur Pada tahap ini, dilakukan pencarian referensi
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
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 terperinciSistem Pendukung Keputusan Untuk Menentukan Program Keahlian di SMK Syubbanul Wathon Magelang
Konferensi Nasional Sistem & Informatika 205 STMIK STIKOM Bali, 9 0 Oktober 205 Sistem Pendukung Keputusan Untuk Menentukan Program Keahlian di SMK Syubbanul Wathon Magelang Ninik Tri Hartanti ), Kusrini
Lebih terperinciImplementasi Algoritma K-Means Dalam Keputusan Pemberian Beasiswa (Studi Kasus SMA Santo Bernadus Pekalongan) Artikel Ilmiah
Implementasi Algoritma K-Means Dalam Keputusan Pemberian Beasiswa (Studi Kasus SMA Santo Bernadus Pekalongan) Artikel Ilmiah Peneliti: Valentino Giarto (672011005) Magdalena A. Ineke Pakereng, M.Kom. Program
Lebih terperinciyang menunjang dalam pengembangan program cluster. Aplikasi cluster ini dikembangkan pada laptop, dengan spesifikasi terdapat
BAB IV IMPLEMENTASI Bab ini akan menjelaskan mengenai implementasi dari sistem yang akan dikembangkan, berdasarkan hasil analisis yang telah diperoleh sebelumnya. Bab ini terdiri dari penjelasan mengenai
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 terperinciPENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA
Artikel Skripsi PENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA SKRIPSI Diajukan Untuk Memenuhi Sebagian
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
20 BAB IV HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Analisis Permasalahan Penjurusan di SMA dilakukan pada saat siswa berada di kelas X (sepuluh) dan akan naik ke kelas XI (sebelas). Masalah yang sering
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 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. Tahapan penelitian
Lebih terperinciIMPLEMENTASI DATA MINING PENGELOMPOKKAN MURID TAMAN KANAK-KANAK DENGAN METODE K-MEANS
JURNAL IMPLEMENTASI DATA MINING PENGELOMPOKKAN MURID TAMAN KANAK-KANAK DENGAN METODE K-MEANS Implementation Of Data Mining Grouping Kindergarten Pupils With K-Means Method Oleh: YOYOK BAGUS SAKSIKO 12.1.03.02.0132
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 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 terperinciUNIVERSITAS BINA NUSANTARA ABSTRAK
2008 UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Matematika Semester Ganjil 2007/2008 PERANCANGAN PROGRAM OPTIMALISASI PENGKLASTERAN DATA PEMASARAN DENGAN MENGGUNAKAN ALGORITMA K-MEANS
Lebih terperincikhazanah informatika 1 Program studi Informatika Universitas Muhammadiyah Surakarta Surakarta 1.
1 khazanah informatika Jurnal Ilmu Komputer dan Informatika 1* 1 1 Program studi Informatika Universitas Muhammadiyah Surakarta Surakarta *Yusuf.Nugroho@ums.ac.id SMA N 3 Boyolali merupakan salah satu
Lebih terperinciDATA MINING. Pertemuan 9. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 9 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2016 Clustering Data Mining Penklusteran (clustering) digunakan untuk
Lebih terperinciGambar 5.1 Form Master Pegawai
BAB V HASIL DAN PEMBAHASAN 5.1. Hasil Penelitian Pada bagian ini akan dijelaskan gambaran mengenai hasil uji coba sistem/aplikasi yang telah di implementasikan.pada penelitian ini,penulis mengimplementasikan
Lebih terperinciAPLIKASI SURAT MASUK DAN KELUAR DENGAN KLASTERISASI MENGGUNAKAN METODE K-MEANS DI INSTALASI FARMASI RSUD DR.SAIFUL ANWAR
APLIKASI SURAT MASUK DAN KELUAR DENGAN KLASTERISASI MENGGUNAKAN METODE K-MEANS DI INSTALASI FARMASI RSUD DR.SAIFUL ANWAR Sari Nur Sita Wibowo 1 Amak Yunus EP 1 Sistem Informasi, Universitas Kanjuruhan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. tempat bagi para mahasiswa maupun dosen untuk belajar dan menambah
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Permasalahan Perpustakaan merupakan salah satu gudang ilmu pengetahuan bagi sebagian masyarakat. Perpustakaan STIKOM Surabaya merupakan salah satu tempat
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 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 terperinciSKRIPSI PENERAPAN METODE CLUSTERING UNTUK PENGELOMPOKAN JURUSAN SISWA MENGGUNAKAN ALGORITMA K-MEANS
SKRIPSI PENERAPAN METODE CLUSTERING UNTUK PENGELOMPOKAN JURUSAN SISWA MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS : SMA N 1 BELANGKEJEREN, GAYO LUES, ACEH) Disusun Oleh: NASRUDDIN No.Mhs : 125410194 Jurusan
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 Analisis cluster merupakan salah satu alat yang penting dalam pengolahan data statistik untuk melakukan analisis data. Analisis cluster merupakan seperangkat metodologi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahapan yang dilaksanakan selama pembuatan penelitian tugas akhir. Secara garis besar metodologi penelitian tugas akhir ini dapat
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 terperinciPenerapan Metode Clustering K- Means Untuk Mengukur Tingkat Kedisplinan Siswa Di SMK Perikanan Nusantara Demak
Penerapan Metode Clustering K- Means Untuk Mengukur Tingkat Kedisplinan Siswa Di SMK Perikanan Nusantara Demak Krisna Pahlevi A11.2011.05936 Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
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 terperinciPENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS
PENGELOMPOKAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS Narwati Dosen Fakultas Teknologi Informasi Abtrack Makalah ini membahas pengelompokan mahasiswa berdasarkan data akademik menggunakan teknik clustering
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
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perangkat keras dan perangkat lunak di era ini sangat mempengaruhi pola pemakaian komputer. Komputer dapat di program seolah-olah seperti manusia. Salah
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 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 terperinciBAB III K-MEANS CLUSTERING. Analisis klaster merupakan salah satu teknik multivariat metode
BAB III K-MEANS CLUSTERING 3.1 Analisis Klaster Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Oleh karena itu, dalam analisis klaster tidak ada
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 terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
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 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 PENENTUAN JURUSAN SEKOLAH MENENGAH ATAS NEGERI 1 KARANGMOJO
SISTEM PENENTUAN JURUSAN SEKOLAH MENENGAH ATAS NEGERI 1 KARANGMOJO Maria Etik Sulistiyani1), Bambang Soedijono2), Syamsul A. Syahdan3) 1,2,3) Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring
Lebih terperinciANALISIS CLUSTER MENGGUNAKAN ALGORITMA K-MEANS
ANALISIS CLUSTER MENGGUNAKAN ALGORITMA K-MEANS Bobby Poerwanto 1, Riska Yanu Fa rifah 2 1,2 Department of Informatics Engineering, Universitas Cokroaminoto Palopo Email: 1 bobbybp89@gmail.com 2 riska.yanu@gmail.com
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 terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 3.1 Analisis ANALISIS DAN PERANCANGAN Pada penelitian ini akan dibangun sistem yang dapat digunakan untuk mengklasifikasi pasien menurut body mass index (BMI), Basal Metabolic Rate (BMR), usia dan
Lebih terperinciSISTEM INFORMASI DATA GURU SE-KABUPATEN KARO PADA DINAS PENDIDIKAN KABUPATEN KARO. Dibuat Oleh: David Super Natanail Ginting 1A112034
SISTEM INFORMASI DATA GURU SE-KABUPATEN KARO PADA DINAS PENDIDIKAN KABUPATEN KARO Dibuat Oleh: David Super Natanail Ginting 1A112034 Latar Belakang Setiap perusahaan atau institusi yang beroperasi secara
Lebih terperinciSKRIPSI RONNY BENEDIKTUS SIRINGORINGO
ANALISIS PERBANDINGAN PROSES CLUSTER MENGGUNAKAN K- MEANS CLUSTERING DAN K-NEAREST NEIGHBOR PADA PENYAKIT DIABETES MELLITUS SKRIPSI RONNY BENEDIKTUS SIRINGORINGO 131421021 PROGRAM STUDI S1 ILMU KOMPUTER
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MINAT PEMILIHAN JURUSAN SMA DENGAN METODE K-MEANS CLUSTER ANALYSIS
SISTEM PENDUKUNG KEPUTUSAN MINAT PEMILIHAN JURUSAN SMA DENGAN METODE K-MEANS CLUSTER ANALYSIS Sahirul Muklis Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman,
Lebih terperinciIMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI MAHASISWA BERDASARKAN PREDIKSI WAKTU KELULUSAN SKRIPSI
IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI MAHASISWA BERDASARKAN PREDIKSI WAKTU KELULUSAN SKRIPSI Disusun Oleh : ALVI SYAHRIN NPM. 0934010254 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM IV.1. Implementasi Sistem Tahap implementasi sistem merupakan tahap untuk mengaplikasikan apa yang telah dirancang pada tahap perancangan sistem berdasarkan hasil
Lebih terperinciIMPLEMENTASI METODE WP (WEIGHTED PRODUCT) UNTUK MENDUKUNG KEPUTUSAN PENJURUSAN SISWA DI SMA NEGERI 1 GROBOGAN
ISSN : 2338-408 IMPLEMENTASI METODE WP (WEIGHTED PRODUCT) UNTUK MENDUKUNG KEPUTUSAN PENJURUSAN SISWA DI SMA NEGERI GROBOGAN Budi Nugroho (9budi.nugroho@gmail.com) Dwi Remawati (dwirema@gmail.com) Bebas
Lebih terperinciBAB III K-MEDIANS CLUSTERING
BAB III 3.1 ANALISIS KLASTER Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Metode interdependensi berfungsi untuk memberikan makna terhadap seperangkat
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. suatu sistem informasi yang utuh ke dalam bagian-bagian komponennya dengan
BAB 3 ANALISIS DAN PERANCANGAN 3.1.Analisis Sistem Analisis sistem (systems analysis) dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh ke dalam bagian-bagian komponennya dengan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. terhadap kemudahan pengguna dalam menggunakan aplikasi yang akan dibuat.
96 4.1. Hasil Penelitian BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dalam membuat sebuah aplikasi yang perlu diperhatikan salah satunya adalah antarmuka (interface), karena antarmuka yang kita buat sangat
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 terperinciSISTEM PENGELOMPOKAN PELANGGAN PADA SEBUAH TOKO ONLINE DENGAN MENGGUNAKAN METODE CLUSTERING DAN ALGORITMA K-MEANS TUGAS AKHIR
SISTEM PENGELOMPOKAN PELANGGAN PADA SEBUAH TOKO ONLINE DENGAN MENGGUNAKAN METODE CLUSTERING DAN ALGORITMA K-MEANS TUGAS AKHIR FARSI LOSA WERDIANSYAH 41812120085 PROGRAM STUDI SISTEM INFORMASI FAKULTAS
Lebih terperinciBab 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Adapun penelitian terdahulu yang berkaitan dalam penelitian ini berjudul Penentuan Wilayah Usaha Pertambangan Menggunakan Metode Fuzzy K-Mean Clustering
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 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 terperinciBAB II LANDASAN TEORI. Nama Judul. Hasil Peneliti, Penelitian. Penelitian Tahun 1. Johan. Implementasi
BAB II LANDASAN TEORI A. Tinjauan Pustaka Tabel berikut ini akan menjelaskan beberapa hasil penelitian yang telah dilakukan dan memiliki kesamaan topik maupun metode yang dilakukan pada penelitian ini.
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN Bab ini menjelaskan mengenai analisis dan proses perancangan. Bagian analisis meliputi deskripsi umum sistem yang dibangun, spesifikasi kebutuhan perangkat lunak, data
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM IV. Implementasi Sistem Tahap implementasi sistem merupakan tahap untuk mengaplikasikan apa yang telah dirancang pada tahap perancangan sistem berdasarkan hasil
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 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 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 terperinciMENGELOMPOKKAN SISWA BERPRESTASI AKADEMIK DENGAN MENGGUNAKAN METODE K MEANS KELAS VII MTS HIDAYATUL
MENGELOMPOKKAN SISWA BERPRESTASI AKADEMIK DENGAN MENGGUNAKAN METODE K MEANS KELAS VII MTS HIDAYATUL Nur Jannah 1, Tony Yulianto 2 1,2) Jurusan Matematika, FMIPA Universitas Islam Madura (UIM) Jl. Bettet
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 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 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 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 terperinciPENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI
PENGGUNAAN PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI Entin Martiana S.Kom,M.Kom, Nur Rosyid Mubtada i S. Kom, Edi Purnomo Jurusan Teknik Informatika
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 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 terperinciANALISIS KLASTERING LIRIK LAGU INDONESIA
ANALISIS KLASTERING LIRIK LAGU INDONESIA Afdilah Marjuki 1, Herny Februariyanti 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 bodongben@gmail.com,
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 terperinciANALISIS PENGELOMPOKAN PENYEBARAN LULUSAN MAHASISWA UNIVERSITAS GUNADARMA MENGGUNAKAN METODE CLUSTERING ABSTRAK
ANALISIS PENGELOMPOKAN PENYEBARAN LULUSAN MAHASISWA UNIVERSITAS GUNADARMA MENGGUNAKAN METODE CLUSTERING Sheila Pramita Hervianti Program Studi Magister Sistem Informasi Universitas Gunadarma Jln. Kenari
Lebih terperinciTUGAS AKHIR. Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang. Oleh :
APLIKASI PENDETEKSI DUPLIKASI DOKUMEN TEKS BAHASA INDONESIA MENGGUNAKAN ALGORITMA WINNOWING SERTA PENGELOMPOKAN DOKUMEN DENGAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS TUGAS AKHIR Sebagai Persyaratan Guna Meraih
Lebih terperinciPENGESAHAN PEMBIMBING...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PENGESAHAN PENGUJI... iii ABSTRAK... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xii DAFTAR MODUL
Lebih terperinciALGORITMA K-MEANS UNTUK PENGELOMPOKAN BANK BERDASARKAN KOMPOSISI DANA PIHAK KETIGA (DPK) DAN JUMLAH JARINGAN KANTOR
ALGORITMA K-MEANS UNTUK PENGELOMPOKAN BANK BERDASARKAN KOMPOSISI DANA PIHAK KETIGA (DPK) DAN JUMLAH JARINGAN KANTOR Laporan Tugas Akhir Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana
Lebih terperinciSISTEM INFORMASI GEOGRAFIS PUSKESMAS SE-KECAMATAN DAWE KABUPATEN KUDUS MENGGUNAKAN GOOGLE MAP API
LAPORAN SKRIPSI SISTEM INFORMASI GEOGRAFIS PUSKESMAS SE-KECAMATAN DAWE KABUPATEN KUDUS MENGGUNAKAN GOOGLE MAP API Oleh : MUHAMMAD HABIB LUTHFI 2011-51-172 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN III.1. Analisis Masalah Inventoris bagi perusahaan merupakan hal yang sangat penting dalam sistem operasionalnya. Pengawasan terhadap Inventoris merupakan tolak ukur sebuah
Lebih terperinciBENY PRIBADI Penguji 1: Alif Finandhita, S.Kom. Penguji 2: Sufaatin, S.T Penguji 3: Tati Harihayati M., S.T., M.T.
BENY PRIBADI 10108492 Penguji 1: Alif Finandhita, S.Kom. Penguji 2: Sufaatin, S.T Penguji 3: Tati Harihayati M., S.T., M.T. Latar Belakang Gambaran yang menakutkan tentang mata pelajaran matematika bagi
Lebih terperinciPENERAPAN DATA MINING DALAM PEMILIHAN PENERIMA BEASISWA BERPRESTASI DI POLITEKNIK DAN STMIK LPKIA DENGAN MENERAPKAN METODE K-MEANS CLUSTERING
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
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMASARAN PRODUK MENGGUNAKAN DATA MINING DENGAN K-MEANS CLUSTERING
Seminar Nasional Sistem Informasi Indonesia, 22 September 2014 SISTEM PENDUKUNG KEPUTUSAN PEMASARAN PRODUK MENGGUNAKAN DATA MINING DENGAN K-MEANS CLUSTERING Arief Samuel Gunawan 1), Evasaria Magdalena
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 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 terperinciSISTEM 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 terperinciSISTEM PENGOALAHAN DATA MINING INDUSTRI SEPATU MENGGUNAKAN METODE K-MEANS CLUSTERING DI JAWA TENGAH
SISTEM PENGOALAHAN DATA MINING INDUSTRI SEPATU MENGGUNAKAN METODE K-MEANS CLUSTERING DI JAWA TENGAH Ahmad Zaqi Al Kahfi Universitas Dian Nuswantoro Email : fawkeszach@gmail.com Abstrak Pengolahan database
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI SEKOLAH BERDASARKAN STANDAR PELAYANAN MINIMAL (SPM) DENGAN METODE K-MEANS CLUSTERING
SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI SEKOLAH BERDASARKAN STANDAR PELAYANAN MINIMAL (SPM) DENGAN METODE K-MEANS CLUSTERING Irfan Sukron Chode ri Anggri Sartika Wiguna 1 Teknik Informatika, Universitas
Lebih terperinciBAB 3 ANALISA SISTEM
BAB 3 ANALISA SISTEM Pada perancangan suatu sistem diperlakukan analisa yang tepat, sehingga proses pembuatan sistem dapat berjalan dengan lancar dan sesuai seperti yang diinginkan. Setelah dilakukan analisis
Lebih terperinciPENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS
1 PENERAPAN METODE CLUSTERING UNTUK MEMETAKAN POTENSI TANAMAN KEDELAI DI JAWA TENGAH DENGAN ALGORITMA FUZZY C- MEANS Indra Setiawan 1 1 Teknik Informatika Universitas Dian Nuswantoro Semarang E-mail :
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Bab ini menjelaskan tentang analisis dan perancangan dalam membangun Aplikasi Data Mining. Analisis meliputi analisis data mining, analisis lingkungan sistem serta
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM Pada bab ini akan dilakukan implementasi dan pengujian terhadap aplikasi clustering yang telah dibangun. Tahapan ini dilakukan setelah analisis dan perancangan
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 PENERAPAN DATA MINING UNTUK MEMBENTUK KELOMPOK BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMPN 19 BANDUNG Andre Catur Prasetyo Teknik Informatika Universitas
Lebih terperinci