AnalisaTingkat Kepuasan Mahasiswa Terhadap Layanan Pembelajaran Menggunakan K-Means dan Algoritma Genetika

Rinaldi, Ade Rizki; Surlanto, Lana; Sudrajat, Dadang; Kurnia, Dian Ade

doi:10.36054/jict-ikmi.v18i1.55

Cited by 4 publications

(7 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian ini menggunakan 127 sampel yang diperoleh dari pengisian angket dari kepuasan mahasiswa terhadap pembelajaran yang diikuti, dan memakai metode davies bouldin index untuk menentukan algoritma mana yang terbaik. Hasil menunjukkan algoritma k-means memperoleh nilai DBI 1.990, sedangkan optimasi k-means dengan algoritma genetika memperoleh nilai DBI 1.593 [7].…”

Section: Penelitian Yang Membahas Pengelompokan Data Persediaan Obat ...unclassified

“…Algoritma k-medoids merupakan teknik partisi clustering untuk membuat pengelompokkan data sejumlah n objek yang akan menghasilkan sebuah cluster. Metode ini memakai sebuah bahan di sekumpulan objek untuk mewakilkan sebuah cluster dari data untuk digunakan [7]. Pada algoritma ini dalam teknik partisi yang dapat diterapkan berdasarkan prinsip yang meminimalisir banyaknya dari ketidaksamaan pada masing-masing objek serta titik acuan yang sesuai di dalam metode ini.…”

Section: K-medoidsunclassified

“…Adapun berupa langkah-langkah yang dilakukan untuk menentukan metode ini, sebagai berikut : [7] 1) Siapakan sampel data untuk menyiapkan pusat cluster dalam jumlah cluster yang diperlukan.…”

Section: K-medoidsunclassified

See 2 more Smart Citations

Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai

Kaligis

Yulianto²

2022

itexplore

View full text Add to dashboard Cite

Kinerja pegawai menjadi rangkuman dalam hal kualitas, kuantitas, jam kerja dan juga kerja sama untuk mencapai suatu tujuan yang telah ditetapkan oleh instansi atau perusahaan, namun dalam Sekretariat DPRD Provinsi Sulawesi Utara belum adanya metode untuk menentukan pengelompokkan kinerja pegawai. Untuk mengatasi permasalahan ini, diperlukan adanya pengelompokan kinerja pegawai di Sekretariat DPRD Provinsi Sulawesi Utara, sehingga bisa menentukan kinerja pegawai yang berkualitas. Tujuan dari penelitian ini dengan melakukan perbandingan metode-metode clustering untuk mendapatkan metode yang lebih baik dalam pengelompokkan cluster terhadap kinerja pegawai di Sekretariat DPRD Provinsi Sulawesi Utara. Metode pengelompokkan data kinerja pegawai yang dibuat menggunakan metode clustering k-means, k-medoids, x-means dengan menggunakan lima atribut, yaitu: orientasi pelayanan, integritas, komitmen, disiplin, dan kerjasama, kemudian diolah dengan bantuan rapidminer, sehingga membagi data menjadi dua cluster yang dikategorikan sebagai nilai tinggi dan rendah. Pada tahap berikutnya mencari nilai davies bouldin index memakai bantuan rapidminer pada setiap metode yang dipakai untuk melakukan perbandingan serta menentukan metode yang lebih optimal dalam clustering. Hasil nilai yang diperoleh dari metode davies bouldin index di setiap algoritma, yaitu: k-means sebesar -0.377, k-medoids sebesar -0.930, dan x-means sebesar -0.497, maka algoritma terbaik untuk pengelompokkan data kinerja pegawai dalam penelitian ini adalah algoritma k-means, karena memiliki nilai DBI yang terkecil.

show abstract

Section: Penelitian Yang Membahas Pengelompokan Data Persediaan Obat ...unclassified

Section: K-medoidsunclassified

See 1 more Smart Citation

Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai

Kaligis

Yulianto²

2022

itexplore

View full text Add to dashboard Cite

show abstract

“…Overall, the K-Means Clustering Algorithm is a non-hierarchical clustering approach that divides sample data into one or more groups based on similar features [27]. The K-Means algorithm classifies data by detecting the significant categories of each cluster and searches for group members within each cluster [28].…”

Section: K-means Clustering Algorithmmentioning

confidence: 99%

The Level of Student Satisfaction with the Online Learning Process During a Pandemic Using the K-means Algorithm

Arifin

Natassa

Khoirunnisa

et al. 2021

Inf. J. Ilm. Bid. Teknol. Inf. dan Komun.

View full text Add to dashboard Cite

The number of cases of Covid-19 in this pandemic era is increasing and getting out of control every day. This triggers the Indonesian government to set policies on schools with online learning methods. Of course, online learning cannot ensure that it runs smoothly in all circles because several factors hinder the learning process. The difficulty of the internet network, limited quotas, unfamiliarity with the use of learning media, and an unsupportive environment for conducting online learning are the obstacles to ineffective online learning. The purpose of this study was to determine the level of satisfaction with online learning during the pandemic. This study uses quantitative research methods with a descriptive approach. Quantitative research methods will be processed into data mining using the K-Means Clustering Algorithm. The clustering process is carried out to get the results of clustering the level of student satisfaction. The dataset was obtained from the results of the questionnaire by submitting statements of satisfaction and dissatisfaction. The cluster type is based on high, medium, and low class. The test results obtained a value with the final iteration, namely the level of satisfied statements is categorized as high with a value of 11.79 compared to the dissatisfied statement, which is categorized as moderate with a value of 7.46. In contrast, for the low category level, there is no value of 0.00 cluster results state that the category is satisfied with online learning with a value of 9.33.

show abstract

“…Pengukuran ini bertujuan untuk memaksimalkan jarak intercluster antara tiap klaster. Semakin kecil nilai Davies Bouldin Index menunjukkan skema klaster yang optimal dan itu menunjukkan kualitas klaster terbaik (Rinaldi, Surlanto, Sudrajat, & Kurnia, 2019).…”

Section: Metode Penelitianunclassified

Clustering Data Nilai Ujian Akhir Semester Menggunakan Algoritma Data Mining K-Means

Maulana

Rosalina

2020

periskop

View full text Add to dashboard Cite

Analyzing student performance in education is an active and fairly new area of educational research. Mapping student performance is useful for both teachers and students. However, the factors that affect student performance need to be identified first to build the initial predictive model. The clustering of UAS scores acts as an indicator of whether the spread of knowledge from teachers to students is evenly distributed or not. This is very relevant to the state of the covid pandemic that is happening in Indonesia and the world, we can know which clusters of students are truly self-study or not. K-Means can be used to map students' academic abilities, in order to optimize student learning and understanding.

show abstract

AnalisaTingkat Kepuasan Mahasiswa Terhadap Layanan Pembelajaran Menggunakan K-Means dan Algoritma Genetika

Cited by 4 publications

References 0 publications

Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai

Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai

The Level of Student Satisfaction with the Online Learning Process During a Pandemic Using the K-means Algorithm

Clustering Data Nilai Ujian Akhir Semester Menggunakan Algoritma Data Mining K-Means

Contact Info

Product

Resources

About