Implementasi Metode Klastering K-Means  untuk  Mengelompokan Hasil Evaluasi Mahasiswa

Syam, Febrizal Alfarasy

doi:10.47927/jikb.v8i1.94

Cited by 2 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Contoh dari teknik hirarki adalah single linkage, complete linkage, average linkage, median dan Ward. Sedangkan teknik non-hirarki meliputi k-means, adaptif k-means, kmedoids, fuzzy c-means, dan fuzzy clustering [14].…”

Section: Clusteringunclassified

Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering

Naufal

Chrisnanto

Ningsih

2022

INDEX

View full text Add to dashboard Cite

Online Shop adalah salah satu fasilitas yang disajikan oleh internet, yang mampu mempermudah masyarakat dalam belanja tanpa harus bertatap muka dengan pelanggan, tanpa harus antri dan tawar menawar. Pertumbuhan ekonomi digital semakin besar persaingan bisnis juga akan semakin berat, akibatnya semakin banyak online shop tidak hanya menampilkan produk-produk tetapi juga perlu didukung oleh pemilihan produk yang tepat untuk menarik perhatian pelanggan. Terlalu banyaknya variasi produk yang ditawarkan secara random (acak) pada online shop membuat beberapa pelanggan kesulitan dalam menentukan produk yang akan dibeli. Berdasarkan permasalahan yang muncul maka penelitian mengenai Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering ini dilakukan. Sistem ini menggunakan algoritma K-Means Clustering serta dataset yang digunakan adalah data transaksi penjualan dari kurun waktu 1 tahun terakhir agar cakupanya tidak meluas dengan menggunakan data terbaru. Hasil dari penelitian ini ditemumakan bahwa ada 3 cluster yang memiliki karakteristik berbeda yaitu, cluster 1 dengan karakteristik penjualan sedang dengan rentang umur pembeli 36-50 tahun , cluster 2 dengan karakteristik penjualan terbanyak dengan rentang umur pembeli 18-26 tahun dan cluster 3 dengan karakteristik penjualan rendah dengan rentang umur 27-35 tahun. Dari hasil cluster dapat disimpulkan bahwa produk yang direkomendasikan merupakan produk terpopuluer dari setiap clusternya. Hasil perhitungan nilai sillhouette coeficient didapatkan cluster dengan jumlah 3 karena memiki nilai paling mendekati Si = 1 yaitu dengan nilai 0.7354092263523232.

show abstract

Section: Clusteringunclassified

Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering

Naufal

Chrisnanto

Ningsih

2022

INDEX

View full text Add to dashboard Cite

show abstract

“…IPK adalah metrik yang sering digunakan dalam mengukur kinerja akademik mahasiswa [1]. Pada beberapa perguruan tinggi yang menetapkan nilai IPK minimal yang harus dipertahankan untuk melanjutkan program sarjana.…”

Section: Pendahuluanunclassified

Pendekatan Clustering untuk Menganalisis Efisiensi dan Kinerja Mahasiswa Berdasarkan Data Menerapkan Metode K-Means

Rahmadhani

2022

mib

View full text Add to dashboard Cite

The purpose of this study is to cluster the efficiency and performance of students. This is because the academic community is currently faced with several challenges in terms of analyzing and evaluating the progress of a student's academic achievement. In the real world, classifying student performance is a scientifically challenging task. Recently, several studies have applied cluster analysis to evaluate student outcomes and used statistical techniques to divide their scores in relation to student performance. This approach, however, is not efficient. In this study, we combined two techniques, namely k-mean and elbow clustering algorithm to evaluate student performance. Based on this combination, the performance results will be more accurate in analyzing and evaluating the progress of student performance, the application of the Elbow method according to this study gives the best number of clusters to 3, and when the K-Means method is applied, data is generated that the number of students is 73 students, from 4 repetitions. There are 3 clusters, namely the category of "Achievable", "Potential for Achievement", and "Less Achievement", with the results of the "Achievable" cluster as many as 34 students with a percentage of 47.22%, the cluster "Potential for Achievement" as many as 24 students with a percentage of 33.33 %, and the "Less Achievement" cluster as many as 15 students with a percentage of 19.45%.

show abstract

Implementasi Metode Klastering K-Means untuk Mengelompokan Hasil Evaluasi Mahasiswa

Cited by 2 publications

References 0 publications

Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering

Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering

Pendekatan Clustering untuk Menganalisis Efisiensi dan Kinerja Mahasiswa Berdasarkan Data Menerapkan Metode K-Means

Contact Info

Product

Resources

About