Clustering Penerima Beasiswa Yayasan Untuk Mahasiswa Menggunakan Metode K-Means

Sudarsono, Bernadus Gunawan; Lestari, Sri Poedji

doi:10.30865/mib.v5i1.2670

Cited by 11 publications

(11 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Clustering adalah pengelompokan atau penggabungan data dengan kelas data yang memiliki karakteritik serupa dijadikan satu kelompok dan yang berbeda berada pada kelompok lain [13]. Clustering merupakan suatu metode pengelompokan data, observasi, atau mengelompokan kelas yang mempunyai kemiripan objek.…”

Section: Clusteringunclassified

Clustering and Modeling of E-Government Architecture Using the Algorithm C4.5

Yansyah¹

2022

jidt

View full text Add to dashboard Cite

E-Government adalah bentuk upaya layanan pemerintah menyajikan data dengan lengkap, mudah diakses, update dan memiliki tingkat akurasi yang tinggi kepada masyarakat, Good Governance merupakan cita-cita Pemerintah Daerah Kabupaten Pelalawan agar layanan tersebut menjadi sebuah penyelenggaraan Pemerintahan yang mengedepankan aspek akuntabilitas, transparan dan parsitipatif, Membantu dalam upaya pengidentifikasian kemudian menjadi solusi pemecahan masalah dimana selama ini program Pemerintah Daerah Kabupaten Pelalawan sering tidak tepat sasaran, kesenjangan data serta sifat data yang dinamis antar waktu ke waktu. hal tersebut diakibatkan oleh banyaknya sistem informasi yang difasilitasi oleh Kementerian, Badan dan Lembaga lainnya untuk digunakan oleh Organisasi Perangkat Daerah tidak relefan dengan variabel dan kriteria data yang cocok untuk diterapkan pada kabupaten pelalawan, mengingat data yang diolah selama ini sangat banyak dan besar. Solusi Metode C4.5 dapat membantu dalam upaya pengidentifikasian kemudian menjadi solusi pemecahan masalah dimana selama ini program Pemerintah Daerah Kabupaten Pelalawan sering tidak tepat sasaran, kesenjangan data serta sifat data yang dinamis antar waktu ke waktu, Data yang digunakan dalam penelitian ini adalah 3 sistem informasi yang difasilitasi oleh Kementerian Sosial, Visualisasi dan Analisa, sekumpulan data dengan format berbeda dan berkembang kemudian diklasterisasi menggunakan metode C.45 dengan mengusung prinsip Big Data yaitu volume, velocity, variety, varicity dan value. Penilitan ini nantinya menjadi masukan kepada Pemerintah Daerah dalam penentuan keputusan pada pelaksanaan bantuan masyarakat miskin yang mengacu pada indikator dari penggalian data ini.

show abstract

Section: Clusteringunclassified

Clustering and Modeling of E-Government Architecture Using the Algorithm C4.5

Yansyah¹

2022

jidt

View full text Add to dashboard Cite

show abstract

“…Kelas disini atau biasa dikenal dengan label pada proses klasifikasi ditentukan dari hasil klustering untuk menentukan label terbaik. Atribut yang digunakan ditentukan dari beberapa hasil studi literatur [19][15] dan diskusi dengan beberapa alumni serta ketua program studi.…”

Section: Metodologi Penentuan Atributeunclassified

Prediksi Kesiapan Kerja Mahasiswa menggunakan Algoritme K-Means dan C4.5

Noviyanto

Mukti

2022

JOSTECH

View full text Add to dashboard Cite

Student work readiness is quite influential on the existence of a university. The waiting time required by students to get a job can affect the mentality of students and the value of higher education from the assumptions of society. This will greatly affect the interest of parents or prospective students to continue their education at universities that have a bad image. Therefore, predictions of student work readiness before graduation are needed for consideration by higher education institutions to overcome the problem of waiting time for student work after graduation. The source of this research data is obtained from the Surakarta University database by utilizing alumni data from tracer studies as train data and 6-semester active student data as test data. The initial step taken is preprocessing to eliminate noise that can interfere with or affect the final result. The research method that will be used is to implement the K-Means and C4.5 algorithms for grouping and prediction processes. The data train used is 150 data and the testing data is 59 data. The results obtained by the K-Means algorithm can cluster 143 data correctly by comparing with the original data. The best cluster value obtained is K = 3.

show abstract

“…Anak SD mendapatkan bantuan sebesar Rp.450.000, anak SMP sebesar Rp.750.000, dan anak SMA sebesar Rp.1.000.000. (Kominfo, 2016) [2].…”

Section: Pendahuluanunclassified

“…Sistem Pendukung Keputusan atau Decision Support Sistems merupakan suatu reaksi terhadap beberapa solusi alternatif yang dilakukan secara sadar dengan menganalisa kemungkinan-kemungkinan dari alternatif tersebut bersama konsekuensinya yang harus dipertimbangkan dalam sebuah kondisi atau keadaaan [3] Metode yang digunakan untuk mengolah dataset tersebut adalah Metode k-Means untuk pengklasifikasian (clustering). Clustering adalah proses mengklasifikasikan data menjadi sejumlah kelompok (cluster) dari data yang berukuran besar ke dalam beberapa kelompok, dimana data dalam satu kelompok mempunyai karakteristik yang sama satu sama lainnya dan mempunyai karakteristik yang berbeda dengan data yang ada di dalam kelompok yang lain [2]. Kelebihan Metode K-means Clustering ini sangat sederhana diimplementasikan dan paling paling banyak digunakan dalam pengklasteran.…”

Section: Pendahuluanunclassified

Sistem Pendukung Keputusan Penerima Beasiswa Program Indonesia Pintar Menggunakan Metode Algoritma K-Means Clustering

Darlinda

Utamajaya²

2022

Jur. Ris. Kom.

View full text Add to dashboard Cite

SDN 020 PPU is one of the elementary schools that receive scholarships from the Program Indonesia Pintar (PIP) every year. The Smart Indonesia Program is a collaboration of three ministries of Kementerian Pendidikan dan Kebudayaan (Kemendikbud), the Kementerian Sosial (Kemensos), and the Kementerian Agama (Kemenag). Program Indonesia Pintar is designed to help school-age children from poor/vulnerable/poor priority families continue to receive education services until they finish secondary education, either through formal education (starting from SD/MI to graduating from SMA/SMK/MA) through this program the government seeks to prevent students from the possibility of dropping out of school, and is expected to attract dropouts to return to continue their education. Based on the results of the evaluation of the implementation of data processing, there are problems in distributing scholarships because there are often complications in proposing the eligibility of scholarship recipients. With these problems, a decision support system is needed to assist the school in determining scholarship recipients using the k-Means clustering algorithm method using Rapidminer studio version 9.10. This study uses 236 student data at SDN 020 PPU which consists of 5 research variables, namely Name, Number of Dependent Parents, Report Value, Occupation and Total Income of Parents. Based on the results of data processing, there are 70 data including cluster 1 with scholarship recipient status right on target, then 118 data including cluster 1 with scholarship recipient status not being targeted. and 48 data belonging to cluster 2 with scholarship recipient status not on target

show abstract

Clustering Penerima Beasiswa Yayasan Untuk Mahasiswa Menggunakan Metode K-Means

Cited by 11 publications

References 12 publications

Clustering and Modeling of E-Government Architecture Using the Algorithm C4.5

Clustering and Modeling of E-Government Architecture Using the Algorithm C4.5

Prediksi Kesiapan Kerja Mahasiswa menggunakan Algoritme K-Means dan C4.5

Sistem Pendukung Keputusan Penerima Beasiswa Program Indonesia Pintar Menggunakan Metode Algoritma K-Means Clustering

Contact Info

Product

Resources

About