Penerapan Clustering Data Mining Untuk Rekomendasi Penentuan Jurusan Perguruan Tinggi Pada Siswa SMA Negeri 2 Kota Jambi Menggunakan Metode K-means
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Irfan, Fadhel Muhammad
Subject
Artificial Intelligence
Datestamp
2019-07-23 02:15:15
Abstract :
Siswa-siswi SMA Negeri 2 Kota Jambi cenderung memilih jurusan berdasarkan karena minat, dan keinginan orang tua. Beberapa di antaranya sudah memperhitungkan potensi yang ada pada diri mereka, maka komitmen untuk belajar dibidang itu tidak akan berjalan lancar, padahal jurusan yang dia pilih itu tidak sesuai kemampuannya. Oleh karena itu, penulis melakukan analisis data mining menggunakan data nilai siswa kelas XII dari semester satu sampai empat dan kuisoner yang penulis bagikan. Dalam melakukan analisis penulis menggunakan alat bantu tools WEKA dan RapidMiner. Metode yang digunakan adalah metode k-means clustering dengan 24 atribut dan 5 cluster. Jumlah cluster pada perhitungan manual adalah, C1 terdapat 62 data, C2 terdapat 28 data, C3 terdapat 30 data, C4 terdapat 30 data, C5 terdapat 60 data. Jumlah cluster pada perhitungan RapidMiner adalah, C1 terdapat 35 data, C2 terdapat 55 data, C3 terdapat 58 data, C4 terdapat 35 data, C5 terdapat 27 data. Jumlah cluster pada perhitungan WEKA adalah, C1 terdapat 30 data, C2 terdapat 49 data, C3 terdapat 41 data, C4 terdapat 32 data, C5 terdapat 58 data.
Siswa-siswi SMA Negeri 2 Kota Jambi cenderung memilih jurusan berdasarkan karena minat, dan keinginan orang tua. Beberapa di antaranya sudah memperhitungkan potensi yang ada pada diri mereka, maka komitmen untuk belajar dibidang itu tidak akan berjalan lancar, padahal jurusan yang dia pilih itu tidak sesuai kemampuannya. Oleh karena itu, penulis melakukan analisis data mining menggunakan data nilai siswa kelas XII dari semester satu sampai empat dan kuisoner yang penulis bagikan. Dalam melakukan analisis penulis menggunakan alat bantu tools WEKA dan RapidMiner. Metode yang digunakan adalah metode k-means clustering dengan 24 atribut dan 5 cluster. Jumlah cluster pada perhitungan manual adalah, C1 terdapat 62 data, C2 terdapat 28 data, C3 terdapat 30 data, C4 terdapat 30 data, C5 terdapat 60 data. Jumlah cluster pada perhitungan RapidMiner adalah, C1 terdapat 35 data, C2 terdapat 55 data, C3 terdapat 58 data, C4 terdapat 35 data, C5 terdapat 27 data. Jumlah cluster pada perhitungan WEKA adalah, C1 terdapat 30 data, C2 terdapat 49 data, C3 terdapat 41 data, C4 terdapat 32 data, C5 terdapat 58 data.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
