Analisis Pengambilan Mata Kuliah Program Studi Teknik Informatika Universitas Atma Jaya Yogyakarta

Lingga, Novri Ayu (2019) Analisis Pengambilan Mata Kuliah Program Studi Teknik Informatika Universitas Atma Jaya Yogyakarta. S1 thesis, UAJY.

[img]
Preview
Text (HALAMAN AWAL)
TF080250.pdf

Download (494kB) | Preview
[img]
Preview
Text (BAB I)
TF080251.pdf

Download (138kB) | Preview
[img]
Preview
Text (BAB II)
TF080252.pdf

Download (100kB) | Preview
[img] Text (BAB III)
TF080253.pdf
Restricted to Registered users only

Download (148kB)
[img] Text (BAB IV)
TF080254.pdf
Restricted to Registered users only

Download (223kB)
[img] Text (BAB V)
TF080255.pdf
Restricted to Registered users only

Download (1MB)
[img]
Preview
Text (BBA VI)
TF080256.pdf

Download (170kB) | Preview

Abstract

Pertumbuhan jumlah data yang tersimpan di berbagai bidang pada saat ini secara terus menerus meningkat dengan pesat, sehingga mengakibatkan meningkatnya kebutuhan untuk memperoleh informasi yang lebih berupa pengetahuan (knowledge) dari sekumpulan data yang tersimpan. Untuk memperoleh informasi yang dibutuhkan dari sekumpulan data dengan volume data yang besar tidaklah mudah, dibutuhkan suatu metode untuk membantu menggali pengetahuan yang tersembunyi dan potensial. Dengan banyaknya jumlah alumni di program studi Teknik Informatika Universitas Atma Jaya Yogyakarta yang sudah lulus beberapa tahun terakhir, maka jumlah data tersedia juga dalam jumlah yang besar. Maka dengan pengolahan data mining dengan metode clustering K-means menjadi salah satu solusi untuk melakukan klasterisaasi terhadap data hasil studi milik alumni untuk memperoleh pengetahuan atau suatu pola yang menarik dari sekumpulan data dengan menggunakan RStudio. Hasil penelitian dengan clustering K-means, menghasilkan pengelompokkan dengan k=3. Karakteristik cluster 1 merupakan kelompok yang memiliki rata-rata nilai tinggi, cluster 2 merupakan kelompok yang memiliki rata-rata sedang dan cluster 3 memiliki rata-rata rendah. Pada setiap cluster, nilai yang tertinggi dari semua kategori adalah nilai di kategori mata kuliah pengembangan dan yang rendah adalah nilai di kategori kuantitatif. Sehingga dengan klasterisasi kmeans dapat memberikan informasi yang dibutuhkan oleh Kepala Program Studi Teknik Informatika Universitas Atma Jaya Yogyakarta

Item Type: Thesis (S1)
Uncontrolled Keywords: Data mining, Klasterisasi, Algoritma K-means, RStudio
Subjects: Teknik Informatika > Soft Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Depositing User: editor2 dua uajy
Date Deposited: 13 Mar 2019 02:30
Last Modified: 13 Mar 2019 02:30
URI: http://e-journal.uajy.ac.id/id/eprint/17502

Actions (login required)

View Item View Item