SISTEM REKOMENDASI PEMBERIAN BEASISWA MENGGUNAKAN ALGORITMA K-MEANS

AGUSTINUS PURIMBAGA, . (2017) SISTEM REKOMENDASI PEMBERIAN BEASISWA MENGGUNAKAN ALGORITMA K-MEANS. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

Text SkripsiFull.pdf Download (12MB)

Abstract

Algoritma K-Means adalah salah satu algoritma dari tehnik clustering untuk mengkluster data yang memiliki kesamaan karakteristik kedalam satu cluster, dan membedakan data yang memiliki karakteristik berbeda kedalam cluster lainnya. Beberapa kelebihan dari algoritma ini yaitu mudah diimplementasikan, mudah diadaptasi, proses relatif cepat, dan umum digunakan. Dalam skripsi ini, penulis akan menerapkan algoritma k-means untuk menghasilkan sistem rekomendasi pemberian beasiswa yang dikluster menjadi tiga kategori, yaitu mahasiswa yang direkomendasi untuk mendapat beasiswa, mahasiswa yang dipertimbangkan untuk mendapat beasiswa, dan mahasiswa yang tidak direkomendasi beasiswa. Variabel penentu dalam sistem rekomendasi beasiswa ini adalah nilai Indeks Prestasi Kumulatif, penghasilan orang tua, dan jumlah tanggungan keluarga. Penulis juga membuat sistem berbasis web sebagai alat simulasi dari proses klusterisasi yang dilakukan menggunakan algoritma k-means. Berdasarkan uji coba yang dilakukan terhadap 363 mahasiswa, terdapat 89 mahasiswa yang direkomendasi, 87 mahasiswa yang dipertimbangkan, 45 mahasiswa yang tidak direkomendasi, dan 142 mahasiswa yang tidak lolos seleksi. The K-Means algorithm is one of the clustering algorithms for clustering data that share the same characteristics into a single cluster, and distinguish data that have different characteristics into other clusters. Some of the advantages of this algorithm are easy to implement, easy to adapt, relatively fast process, and commonly used. In this thesis, the writer will apply k-means algorithm to produce the scholarship recommendation system which is clustered into three categories, the students are recommended to get the scholarship, the students who are considered for scholarship, and the students who are not recommended scholarship. The determinant variables in this scholarship recommendation system are the Cumulative Grade Point value, the parent’s income, and the number of family dependents. The author also makes a web-based system as a simulation tool of the clustering process is done using the kmeans algorithm. Based on trials conducted on 363 students, there were 89 students recommended, 87 students considered, 45 students who were not recommended, and 142 students dit not pass.

Item Type:	Thesis (Sarjana)
Additional Information:	1) Ir. Fariani Hermin I, MT 2) Ratna Widyati, M.Kom
Subjects:	Sains > Matematika > Ilmu Komputer
Divisions:	FMIPA > S1 Ilmu Komputer
Depositing User:	sawung yudo
Date Deposited:	04 Apr 2022 03:01
Last Modified:	04 Apr 2022 03:01
URI:	http://repository.unj.ac.id/id/eprint/25731

Actions (login required)

View Item