Text
Sistem rekomendasi pemberian beasiswa menggunakan algoritma K-means
Algoritma K-Means adalah salah satu algoritma dari tehnik clustering untuk mengkluster data yang memiliki kesamaan karakteristik kedalam satu cluster, dan membedakan data yang memiliki karakteristik berbeda kedalam cluster lainnya. Beberapa kelebihan dari algoritma ini yaitu mudah diimplementasikan, mudah diadaptasi, proses relatif cepat, dan umum digunakan. Dalam skripsi ini, penulis akan menerapkan algoritma k-means untuk menghasilkan sistem rekomendasi pemberian beasiswa yang dikluster menjadi tiga kategori, yaitu mahasiswa yang direkomendasi untuk mendapat beasiswa, mahasiswa yang dipertimbangkan untuk mendapat beasiswa, dan mahasiswa yang tidak direkomendasi beasiswa. Variabel penentu dalam sistem rekomendasi beasiswa ini adalah nilai Indeks Prestasi Kumulatif, penghasilan orang tua, dan jumlah tanggungan keluarga. Penulis juga membuat sistem berbasis web sebagai alat simulasi dari proses klusterisasi yang dilakukan menggunakan algoritma k-means. Berdasarkan uji coba yang dilakukan terhadap 363 mahasiswa, terdapat89mahasiswayangdirekomendasi,87mahasiswayangdipertimbangkan,45 mahasiswa yang tidak direkomendasi, dan 142 mahasiswa yang tidak lolos seleksi.
Kata kunci : Clustering, Algoritma K-Means, Beasiswa, Sistem Rekomendasi Beasiswa.
xii
Abstract
TheK-Meansalgorithmisoneoftheclusteringalgorithmsforclusteringdata that share the same characteristics into a single cluster, and distinguish data that have different characteristics into other clusters. Some of the advantages of this algorithm are easy to implement, easy to adapt, relatively fast process, and commonly used. In this thesis, the writer will apply k-means algorithm to produce the scholarshiprecommendationsystemwhichisclusteredintothreecategories,thestudentsare recommendedtogetthescholarship,thestudentswhoareconsideredforscholarship, and the students who are not recommended scholarship. The determinant variables in this scholarship recommendation system are the Cumulative Grade Point value, the parent’s income, and the number of family dependents. The author also makes a web-based system as a simulation tool of the clustering process is done using the kmeans algorithm. Based on trials conducted on 363 students, there were 89 students recommended, 87 students considered, 45 students who were not recommended, and 142 students dit not pass.
Keywords : Clustering, K-means Algorithm, Scholarship, Scholarship Recommendation System.
SS00014083 | SK 14083 | UPT Perpustakaan UNJ | Tersedia |
Tidak tersedia versi lain