Analisis Peminatan Program Studi Sistem Informasi Mahasiswa Universitas Multimedia Nusantara Menggunakan K-Means

Nicolas Steven Halim, Tjang, (2019) Analisis Peminatan Program Studi Sistem Informasi Mahasiswa Universitas Multimedia Nusantara Menggunakan K-Means. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN_AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (832kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (832kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (812kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)

Abstract

Program Studi Sistem Informasi Universitas Multimedia Nusantara memiliki empat peminatan. Dengan adanya empat peminatan maka mahasiswa diwajibkan untuk memilih salah satu dari empat peminatan yang ada pada akhir semester empat. Saat ini dalam menentukan peminatan hanya berdasarkan apa yang disukai oleh mahasiswa itu sendiri tanpa ada pertimbangan bagi mahasiswa dalam memilih peminatan. Dengan melakukan analisa clustering K-Means, diharapkan dapat memberikan sumber informasi penentu kelas peminatan bagi mahasiswa. Variable yang digunakan nilai mata kuliah yang dominan pada masing - masing peminatan dari semester satu sampai semester empat. Untuk meminimalisir kesalahan dalam perhitungan dalam penelitian ini menggunakan tools R yang digunakan untuk perhitungan dan visualisasi data. K-Means Clustering tidak mampu memberikan rekomendasi peminatan, didapat hanya 17% akurasi. Dapat dikatakan bahwa mahasiswa mengambil peminatan berdasarkan faktor lain.

Item Type: Thesis (Bachelor Thesis)
Keywords: Algoritma K-Means, Data Mining, Metode Clustering
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
600 Technology (Applied Sciences) > 650 Management and Public Relations > 658 General management (Risk Management, Profit and Loss, Logistics) > 658.3 Personnel, Staff, Employee, Human Resource Management, Training > 658.306 Job Analysis
Divisions: Faculty of Engineering & Informatics > Information System
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2019 02:56
Last Modified: 03 Aug 2023 02:55
URI: https://kc.umn.ac.id/id/eprint/11053

Actions (login required)

View Item View Item