PENGKLASTERAN BIDANG ILMU PRODI KOMPUTER BERDASARKAN PUBLIKASI ILMIAH DOSEN MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEDOIDS

JIEL VAYAD RAMADHAN, . (2025) PENGKLASTERAN BIDANG ILMU PRODI KOMPUTER BERDASARKAN PUBLIKASI ILMIAH DOSEN MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEDOIDS. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (980kB)
	Text BAB 1.pdf Download (274kB)
	Text BAB 2.pdf Restricted to Registered users only Download (544kB)
	Text BAB 3.pdf Restricted to Registered users only Download (489kB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Restricted to Registered users only Download (266kB)
	Text Daftar Pustaka.pdf Download (268kB)
	Text Lampiran.pdf Restricted to Registered users only Download (1MB)

Abstract

Publikasi Ilmiah Dosen merupakan salah satu indikator penting dalam menilai kualitas dan kontribusi sebuah institusi pendidikan tinggi. Universitas Negeri Jakarta (UNJ), sebagai salah satu institusi pendidikan tinggi di Indonesia, berupaya meningkatkan kualitas pendidikan dan penelitian, khususnya di bidang ilmu prodi komputer. Namun, seiring meningkatnya kompleksitas ilmu prodi komputer dan jumlah publikasi ilmiah yang dihasilkan oleh dosen setiap tahunnya, teridentifikasi beberapa publikasi ilmiah dosen di bidang ilmu prodi komputer yang lebih relevan dengan subdisiplin yang berbeda dari fokus prodi asalnya. Untuk menghadapi kompleksitas tersebut, dilakukan pengklasteran (clustering) dengan metode algoritma k-means dan k-medoids. Tujuan penelitian ini adalah klasterisasi bidang ilmu prodi komputer di Universitas Negeri Jakarta berdasarkan publikasi ilmiah dosen. Pengklasteran dilakukan menggunakan metode k-means dan k-medoids. Hasil penelitian menunjukkan pembagian klaster optimal terjadi pada dua klaster untuk setiap prodi, dengan nilai Davies Bouldin Index sekitar 0,5 dan Silhouette Coefficient mencapai 0,61. Evaluasi menggunakan kedua algoritma menunjukkan hasil yang konsisten, menunjukkan kekokohan klaster yang diperoleh.*****Lecturers' Scientific Publications are one of the important indicators in assessing the quality and contribution of a higher education institution. Universitas Negeri Jakarta (UNJ), as one of the higher education institutions in Indonesia, strives to improve the quality of education and research, particularly in the field of Computer Science. However, with the increasing complexity of the Computer Science discipline and the growing number of scientific publications produced by lecturers each year, several lecturers' publications in the Computer Science field have been identified as more relevant to sub-disciplines different from their original program focus. To address this complexity, clustering was performed using the k-means and k-medoids algorithm methods. The aim of this research is to cluster the Computer Science fields at Universitas Negeri Jakarta based on lecturers' scientific publications. Clustering was carried out using the k-means and k-medoids methods. The results of the study indicate that the optimal clustering occurred in two clusters for each program, with a Davies-Bouldin Index value of around 0.5 and a Silhouette Coefficient of 0.61. Evaluation using both algorithms showed consistent results, demonstrating the robustness of the obtained clusters.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Widodo, M.Kom. ; 2). Ressy Dwitias Sari, S.T., M.T.I.
Subjects:	Teknologi dan Ilmu Terapan > Teknologi (umum)
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	Jiel Vayad Ramadhan .
Date Deposited:	21 Feb 2025 06:02
Last Modified:	21 Feb 2025 06:02
URI:	http://repository.unj.ac.id/id/eprint/53222

Actions (login required)

View Item