Komparasi Kinerja Algoritma Fuzzy C-Means Dan K-Means Dalam Pengelompokan Data Siswa Berdasarkan  Prestasi Nilai Akademik Siswa

Butarbutar, Nelson; Windarto, Agus Perdana; Hartama, Dedy; Solikhun, Solikhun

doi:10.30645/jurasik.v1i1.8

Cited by 17 publications

(23 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian analisis pada penyakit menular manusia di Kabupaten Majalengka disimpulkan bahwa K-Means merupakan salah satu metode clustering, alasan menggunakan algoritma K-Means mempunyai ketelitian yang optimal terhadap ukuran objek sehingga algoritma ini relatif lebih terukur dan efisien untuk pengolahan objek dalam jumlah besar [6]. Penelitian lainnya menyimpulkan bahwa teknik clustering yang paling optimal adalah metode K-Means karena hasilnya lebih akurat dalam pengelompokan data [7]. Penelitian menghasilkan pengetahuan baru daerah yang banyak terkena penyakit ISPA dengan tahap Knowledge Discovery in Database (KDD) menggunakan tool RapidMiner dan disimpulkan bahwa algoritma K-Means mendapatkan hasil yang optimal untuk pengklasteran [8].…”

Section: Pendahuluanunclassified

Penerapan K-Means Clustering pada Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Kabupaten Karawang

Fauzia¹,

Dermawan

Padilah

2020

jsi

View full text Add to dashboard Cite

Infeksi Saluran Pernapasan Akut (ISPA) adalah penyakit yang menyerang pernapasan bawah dan pernapasan atas dapat mengakibatkan kematian. Menurut Badan Pusat Statistik Kabupaten Karawang pada tahun 2017 melaporkan 173.953 kasus ISPA dan meningkat menjadi 175.891 pada tahun 2018. Belum adanya perhatian khusus pada daerah tersebut yang menjadikan penyakit ini terus meningkat. Pada penelitian ini adalah clustering penyakit ISPA menggunakan algoritma K-Means dengan Cross-Industry Standard Process for Data Mining (CRISP-DM). Di mana pada penelitian sebelumnya menyimpulkan bahwa teknik clustering yang paling optimal adalah metode K-Means karena hasilnya lebih akurat dalam pengelompokan data dan tidak menggunakan tahap CRISP-DM. Untuk itu diperlukannya clustering daerah penyebaran ISPA yang terbagi menjadi tiga cluster yaitu rendah, sedang, dan tinggi sehingga dapat membantu dalam pengambilan kebijakan terhadap penyakit ISPA oleh pemerintah Kabupaten Karawang. Hasilnya adalah tahun 2017 terdapat 30 anggota cluster rendah, 9 anggota cluster sedang, dan 11 anggota cluster tinggi. Tahun 2018 terdapat 33 anggota cluster rendah, 5 anggota cluster sedang, dan 12 anggota cluster tinggi. Tahun 2019 terdapat 20 anggota cluster rendah, 25 anggota cluster sedang, dan 5 anggota cluster tinggi. Evaluasi algoritma K-Means menggunakan SSE pada tahun 2017 yaitu 232.6133, 2018 yaitu 207.8584, dan tahun 2019 yaitu 260.3935.

show abstract

Section: Pendahuluanunclassified

Penerapan K-Means Clustering pada Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Kabupaten Karawang

Fauzia¹,

Dermawan

Padilah

2020

jsi

View full text Add to dashboard Cite

show abstract

“…Banyak cabang ilmu komputer yang dapat menyelesaikan permasalah yang sifatnya kompleks baik prediksi, estimasi, perangkingan, klasifikasi, asosiasi dan lain-lain. Cabang ilmu komputer tersebut adalah Artificial Intelligence seperti datamining [3], [4], [5], sistem pendukung keputusan (SPK) [6]- [13], sistem pakar [14], [15], jaringan saraf tiruan [16]- [19], logika fuzzy [20], [21], datamining [22]- [27] dan lain-lain. Berdasarkan permasalahan tersebut maka peneliti menggunakan Sistem Pendukung Keputusan dengan metode ELECTRE.…”

Section: Pendahuluanunclassified

Analisis Metode Electre Pada Pemilihan Usaha Kecil Home Industry Yang Tepat Bagi Mahasiswa

Dewi¹,

Windarto²

2019

SISTEMASI

Self Cite

View full text Add to dashboard Cite

ABSTRAK Home industry saat ini menjadi cabang usaha yang banyak digemari oleh masyarakat, karna sifatnya yang tidak membutuhkan modal yang sangat besar. Home industry juga bisa menjadi penyaluran kreatifitas bagi Mahasiswa yang kreatif, dan juga mandiri. Penelitian ini bertujuan agar dapat memilih usaha kecil Home industry yang tepat bagi mahasiswa menggunakan metode electre. Metode pengumpulan data dilakukan dengan wawancara dan angket atas 350 sampel Mahasiswa STIKOM Tunas Bangsa yang ingin membuka usaha kecil. Berdasarkan hasil tersebut diperoleh Kriteria yang digunakan dalam pemilihan usaha kecil yang cocok bagi mahasiswa ialah Modal (X1), Keuntungan (X2), Bahan Baku (X3), dan Market (X4). Dalam penelitian ini terdapat tiga alternatif yaitu, (A1) Olahan Kripik, (A2) Olahan Kue Basah, dan (A3) Olahan Gorengan. Hasil penelitian menyimpulkan bahwa Keripik (A1) menjadi Home industry yang tepat bagi mahasiswa. Diharapkan hasil dari penelitian ini dapat memberikan pemahaman kepada mahasiswa yang ingin membuka usaha kecil.

show abstract

“…Salah satunya adalah algoritma K-Means yang merupakan metode analisis kelompok yang mengarah pada partisian N objek pengamatan ke dalam K kelompok, di mana setiap objek pengamatan sebuah kelompok data dengan mean (rata-rata) terdekat [2]. Pengelompokan pada umumnya diterapkan untuk mengelompokan dokumen atau benda yang tidak tersusun dengan rapi dan tidak sesuai sususannya pada tempatnya [7]. Namun fungsi dari pengelompokan tidak hanya sekedar mengelompokan dokumen atau benda [4].…”

Section: Pendahuluanunclassified

Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clustering Program SDP

Parlina

Windarto

Wanto

et al. 2018

Com, Engine, Sys, Sci

Self Cite

View full text Add to dashboard Cite

Abstrak -Data mining merupakan teknik pengolahan data dalam jumlah besar untuk pengelompokan. Teknik Data mining mempunyai beberapa metode dalam mengelompokkan salah satu teknik yang dipakai penulis saat ini adalah K-Means. Dalam hal ini penulis mengelompokan data daftar program SDP tahun 2017 untuk mengetahui manakah pegawai yang layak lolos dalam program SDP sehingga dapat melakukan Registrasi Asessment Center. Pengelompokan tersebut berdasarkan kriteria -kriteria data Program SDP. Pada penelitian ini, penulis menerapkan algoritma K-Means Clustering untuk pengelompokan data Program SDP di PT.Bank Syariah. Dalam hal ini, pada umumnya untuk memamasuki program SDP tersebut disesuaikan dengan ketentuan dan parameter Program SDP saja, namun dalam penelitian ini pengelompokan disesuaikan dengan kriteria -kriteria Program SDP seperti kedisiplinan pegawai, Target Kerja Pegawai, Kepatuhan Program SDP. Penulis menggunakan beberapa kriteria tersebut agar pengelompokan yang dihasilkan menjadi lebih optimal. Tujuan dari pengelompokan ini adalah terbentuknya kelompok SDP pada Program SDP yang menggunakan algoritma K-Means clustering. Hasil dari pengelompokan tersebut diperoleh tiga kelompok yaitu kelompok Lolos, Hampir Lolos dan Tidak Lolos. Terdapat pusat cluster dengan Cluster -1= 8;66;13, Cluster-2= 10;71;14 dan Cluster-3=7;60;12. Pusat cluster tersebut didapat dari beberapa iterasi sehingga mengahasilakan pusat cluster yang optimal.

show abstract

Komparasi Kinerja Algoritma Fuzzy C-Means Dan K-Means Dalam Pengelompokan Data Siswa Berdasarkan Prestasi Nilai Akademik Siswa

Abstract: Abstrak

Cited by 17 publications

References 0 publications

Penerapan K-Means Clustering pada Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Kabupaten Karawang

Penerapan K-Means Clustering pada Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Kabupaten Karawang

Analisis Metode Electre Pada Pemilihan Usaha Kecil Home Industry Yang Tepat Bagi Mahasiswa

Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clustering Program SDP

Contact Info

Product

Resources

About