Klasterisasi Seleksi Mahasiswa Calon Penerima Beasiswa Yayasan Menggunakan K-Means Clustering

Rahmah, Sabrina Aulia; Antares, Jovi

doi:10.36723/juri.v13i2.282

Cited by 5 publications

(5 citation statements)

References 4 publications

(4 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Program beasiswa KIP dilakukan oleh negara yang bersifat formal yang diberikan pada kampus negri maupun swasta. Masing-masing pihak kampus harus bisa memonitor semua calon mahasiswa agar memperoleh program beasiswa yang akan di beri kepada calon mahasiswa yang mimiliki nilai-nilai akademik yang bagus dan baik serta yang orangtua nya memiliki penghasilan yang dibawah rata-rata [1][2] [3].…”

Section: Pendahuluanunclassified

Penerapan Data Mining Dengan Mengimplementasikan Algoritma K-Means Dalam Proses Clustering Untuk Pengelompokan Mahasiswa Calon Penerima Beasiswa KIP

2023

bits

View full text Add to dashboard Cite

This research is about the grouping of prospective students who will receive KIP scholarships. Data mining is a conception or design made with the aim of finding an added value contained in a database that will be able to identify a useful knowledge information. In this study, the concept of data mining was applied to assist campuses in predicting students who will get KIP scholarships by implementing the K-MeansClustering Algorithm, where the K-MeansClustering algorithm can later group each data into clusters so that data that has the same characteristics will be grouped in the same cluster and vice versa if the data has different characteristics then it is grouped into another cluster. The results of this study are 3 cluster results which will be the final result, namely data received as scholarship recipients as many as 52 data, 32 data are grouped as recipient data which will be recommended to the next stage. while the remaining 16 data are grouped as data that is not accepted

show abstract

Section: Pendahuluanunclassified

Penerapan Data Mining Dengan Mengimplementasikan Algoritma K-Means Dalam Proses Clustering Untuk Pengelompokan Mahasiswa Calon Penerima Beasiswa KIP

2023

bits

View full text Add to dashboard Cite

show abstract

“…Dalam penelitian lain terkait rekomendasi calon mahasiswa yang mendapatkan beasiswa Yayasan dengan algoritma K-Means Clustering. Hasil penelitian menunjukkan 23% calon mahasiswa ditolak, 61% dipertimbangkan, dan 16% diterima [16]. Penelitian selanjutnya oleh [17] terkait penentuan calon beasiswa UKT dengan K-Means Clustering yang diimplementasikan menggunakan RapidMiner.…”

Section: Pendahuluanunclassified

Penerapan Algoritma K-Means Clustering untuk Mengetahui Pola Penerima Beasiswa Bank Indonesia (BI)

A'yuni,

Nazir,

Handayani

et al. 2023

JoSYC

View full text Add to dashboard Cite

Bank Indonesia Scholarships are a type of scholarship sourced from Bank Indonesia for students from selected State Universities, Private Universities, and Polytechnics. From the data on scholarship recipients who have passed the selection from 2020, 2021, 2022 universities in Riau, it is necessary to look for the behavior patterns of scholarship recipien because Bank Indonesia does not yet have a pattern. To find the pattem from scholarship recipients using the method of data mining with K-Means Clustering algorithm. The parameters used are 4, namely study program, semester, GPA, and level. The results of the study using RapidMiner showed that cluster 0 was dominated by students from the Commerce Shipping Management study program, who were in semester 5 and D3 level. Cluster 1 is dominated by students from the Accounting and Management study program, in semester 7, with GPA greater than or equal to 3.51, and S1 level. Cluster 2 is dominated by students from the Nursing study program, in semester 5, with GPA greater than or equal to 3.51, and D3 level. Cluster 3 is dominated by students from the International Relations study program, in semester 7, with GPA greater than or equal to 3.51, and S1 level. Cluster 4 is dominated by students from the Informatics Engineering study program, in semester 5, with GPA greater than or equal to 3.51, and S1 level. It show that the recipients of Bank Indonesia scholarships are dominated by students with high GPA scores or equal to 3.51. In addition, it is also dominated by students who are at the S1 level. Tests were carried out using DBI with k=5 resulting in a validity value of 0.121.

show abstract

“…TF-IDF merupakan singkatan dari Term Frequency-Inverse Document Frequency, dimana kata akan dimasukkan ke algoritma pembobotan kata. Kegunaan dari algoritma TF-IDF adalah untuk mencari dan mengumpulkan representasi suatu kata atau nilai dari suatu kumpulan dokumen train data (x) yang nantinya akan membentuk suatu nilai vektor [13].…”

Section: Metode Naïve Bayesunclassified

Analisis sentimen twitter terhadap pemilihan presiden menggunakan algoritma naïve bayes

Al Muqsith Prasetyo,

Hermawan

2023

infotech

View full text Add to dashboard Cite

Tahun 2024 esok merupakan akhir dari masa kepemimpinan presiden Joko Widodo yang mana menjadi penentu dari presiden selanjutnya. Saat ini masyarakat indonesia sedang heboh dengan maraknya calon presiden dan calon wakil presiden yang sudah ditentukan. Capres-cawapres saat ini yang dapat dipastikan akan berkompetisi di ajang pemilihan presiden antara lain Ganjar-Mahfud, Prabowo-Gibran, dan Anies-Cak imin. Berbagai komentar dari banyaknya platform internet seperti sosial media khususnya media sosial Twitter atau X menjadi tempat menuai opini dan reaksi terhadap ketiga capres-cawapres tersebut. Ini menjadi masalah bagi masyarakat yang kurang literasi dalam kebahasaan dan literasi digital, mereka akan mudah terpancing serta tergiring oleh opini dari netizen yang memiliki literatur lebih baik. Dengan munculnya masalah tersebut, maka dikembangkan sistem sentimen analisis ini yang menjadi salah satu platform untuk menentukan memiliki sifat apa komentar tersebut secara otomatis. Sifat dari komentar umumnya dibagi menjadi 3, yaitu netral, positif, dan negatif. Ditambah, dengan metode crawling menggunakan API dari X (Twitter) akan mempermudah dalam mengumpulkan dataset komentar dengan lebih fleksibel. Dari hasil crawling ini, didapat komentar sebanyak 540. Metode lain yang akan digunakan untuk proses sentimen analisis ini yaitu algoritma naive bayes dengan tipe multinomialNB. Penelitian ini menghasilkan nilai akurasi sebesar 85% dengan precision 86.54%, recall 85%, dan f1-score sebesar 85% dimana hasil ini menggunakan skenario test_size sebesar 0.2 yang menjadi skenario paling baik dalam pembangunan model

show abstract

Klasterisasi Seleksi Mahasiswa Calon Penerima Beasiswa Yayasan Menggunakan K-Means Clustering

Cited by 5 publications

References 4 publications

Penerapan Data Mining Dengan Mengimplementasikan Algoritma K-Means Dalam Proses Clustering Untuk Pengelompokan Mahasiswa Calon Penerima Beasiswa KIP

Penerapan Data Mining Dengan Mengimplementasikan Algoritma K-Means Dalam Proses Clustering Untuk Pengelompokan Mahasiswa Calon Penerima Beasiswa KIP

Penerapan Algoritma K-Means Clustering untuk Mengetahui Pola Penerima Beasiswa Bank Indonesia (BI)

Analisis sentimen twitter terhadap pemilihan presiden menggunakan algoritma naïve bayes

Contact Info

Product

Resources

About