Abstract:Pengolahan data mahasiswa perlu dilakukan untuk mengetahui informasi penting berupa pengetahuan baru. Informasi mengenai pengelompokan data mahasiswa berdasarkan nilai ujian. Pengetahuan baru tersebut dapat membantu pihak…
k kampus dalam menentukan kelas baru bagi calon mahasiswa baru dengan tepat. Dalam pengelompokan kelas mahasiswa dengan metode clustering yang mengikuti ujian saringan masuk berdasarkan nilai yang dihasilkan setiap calon mahasiswa maka akan ditentukan kelas sesuai jurusan yang mereka ambil tanpa ada manipulasi dan informasi hasil nilai dapat di kirim kepada calon mahasiswa
Abstract:Abstract: One of the ways to improve the quality of high school students is to form a favorite class in which the class will be a flagship class compared to other classes. Students will be selected based on 3 variables,…
that is the attendance index, semester average score and also the ethics of the students themselves. Data mining is the mining or discovery of new information by searching for a particular pattern or rule of large amounts of data that is expected to overcome the condition, utilizing data obtained from SMA for grouping students using clustering method using single linkage technique. By using clustering method is expected to make it easier for grouping students - students who go to class XI. So the results of this study will also be used by in determining the students-students who will enter the majors class. Keywords: Data Mining, Clustering, Single Lingkage, Selection of Departments.
Abstrak: Salah satu cara untuk meningkatkan kualitas siswa sekolah menengah adalah dengan membentuk kelas favorit di mana kelas akan menjadi kelas unggulan dibandingkan dengan kelas lain. Siswa akan dipilih berdasarkan 3 variabel, yaitu indeks kehadiran, nilai rata-rata semester dan juga etika siswa itu sendiri. Data mining adalah penambangan atau penemuan informasi baru dengan mencari pola tertentu atau aturan sejumlah besar data yang diharapkan untuk mengatasi kondisi tersebut, memanfaatkan data yang diperoleh dari SMA untuk mengelompokkan siswa menggunakan metode pengelompokan menggunakan teknik hubungan tunggal. Dengan menggunakan metode clustering diharapkan akan mempermudah pengelompokan siswa - siswa yang masuk ke kelas XI. Jadi hasil penelitian ini juga akan digunakan dalam menentukan siswa - siswa yang akan masuk kelas jurusan. Kata kunci: Data Mining, clustering, single lingkage, pemilihan departemen
Abstract:Abstract: The increasing number of students who graduated each year causes a lot of student data that need to be processed, causing difficulties in grouping the data. In this research apply Data Mining by using Clustering…
g method to classify the quality of graduate students of Faculty of Computer Science Dehasen University of Bengkulu based on GPA and Study Program. The algorithm used is K-Means Clustering, where the data are grouped based on the same characteristics will be entered into the same group and the data set entered into the group does not overlap. Information displayed in the form of group ?? a group of graduate students who dominate the Study Program, so it is known to the group that has the best graduate quality. The results of this study will assist the University in analyzing the quality of graduated students and the most potential study programs. Software used to help this grouping is Rapid Miner.
Keywords: K-Means Clustering, Study Program, Graduate Quality, Rapid Miner
Abstrak: Semakin meningkatnya jumlah mahasiswa yang diluluskan setiap tahunnya menyebabkan banyaknya data mahasiswa yang perlu diolah sehingga menyebabkan kesulitan dalam pengelompokan data tersebut. Pada penelitian ini menerapkan Data Mining dengan menggunakan metode Clustering untuk mengelompokkan kualitas lulusan mahasiswa Fakultas Ilmu Komputer Universitas Dehasen Bengkulu berdasarkan IPK dan Program Studi. Algoritma yang digunakan yaitu K-Means Clustering, dimana data dikelompokkan berdasarkan karakteristik yang sama akan dimasukkan ke dalam kelompok yang sama dan set data yang dimasukkan ke dalam kelompok tidak tumpang tindih. Informasi yang ditampilkan berupa kelompok – kelompok lulusan mahasiswa yang mendominasi Program Studi, sehingga diketahui kelompok yang memiliki kualitas lulusan terbaik. Hasil penelitian ini akan membantu pihak Universitas dalam menganalisa kualitas mahasiswa yang diluluskan dan program studi yang paling berpotensi diminati. Software yang digunakan untuk membantu pengelompokan ini adalah Rapid Miner.
Keyword: K-Means Clustering, Program Studi, Kualitas Lulusan, Rapid Miner
Abstract:Pada toko Rafadel Acc menjual berbagai jenis aksesoris yang tersedia yang dijual di tok tersebut. Dari berbagai jenis aksesoris yang dijual tentu tidak semuanya yang laku terjual dan juga ada yang kurang laku serta ada juga…
uga yang tidak pernah terjual sama sekali. Dengan adanya masalah ini maka kita perlu melakukan perhitungan untuk menentukan atau mengelompokkan mana kategori aksesoris yang laku, kurang laku dan tidak laku terjual, dalam proses pengelompokan maka akan digunakan sebuah metode pengelompokan menggunakan Algoritma K-Means Clustering sebagai metode perhitungan secara manual dan dalam implementasinya maka digunakan sebuah software Data Mining menggunakan RapidMiner Studio versi 8.2. Dengan adanya aplikasi RapidMiner Studio ini pemilik toko dapat melihat hasil pengelompokan aksesoris mana yang paling laku, laku dan kurang laku. Maka, bila terdapat produk yang tidak laku, pemilik toko dapat mencari alternative lain agar aksesoris yang tidak laku dapat menjadi laku. Metode yang digunakan dalam pengumpulan data adalah observasi dan wawancara kepada pemilik toko Rafadel Acc.
Abstract:Abstract: The high level of student success and the low level of student failure is a quality of the education world. The world of education is currently required to have the ability to compete by utilizing all resources…
owned. In addition to facilities, infrastructure and human resources, information systems are one of the resources that can be used to improve competency skills. Data mining is a process of data analysis to find a dataset of data set. Data mining is able to analyze large amounts of data into information that has meaning for decision supporters. One process of data mining is clustring. Attributes used in the grouping of student achievement are Name, Extracurricular, Value which include Task Value, Uts Value, Value of Uses, total absenteeism, and Attitude value. The case study of 20 students with distance calculation using manhattan distance, chbychep distance and euclidian distance yielded 67% accuracy.
Keywords: data mining, clustering, k-means, student achievement
Abstrak: Tingginya tingkat keberhasilan siswa dan rendahnya tingkat kegagalan siswa merupakan cemin kualitas dunia pendidikan.Dunia pendidikan saat ini dituntut untuk memiliki kemampuan bersaing dengan memanfaatkan semua sumber daya yang dimiliki. Selain sumber daya sarana, prasarana dan manusia, sistem informasi merupakan salah satu sumber daya yang dapat digunakan untuk meningkatkan kemampuan barsaing. Data mining merupakan proses analisa data untuk menemukan suatu pola dara kumpulan data. Data mining mampu menganalisa jumlah data yang besar menjadi informasi yang mempunyai arti bagi pendukung keputusan. Salah satu proses data mining adalah clustring. Atribut yang digunakan dalam pengelompokan prestasi siswa adalah Nama, Ekstrakulikuler, Nilai yang meliputi Nilai Tugas, Nilai Uts, Nilai Uas, jumlah ketidak hadiran siswa (absensi), dan Nilai sikap. Studi kasus pada 20 siswa dengan perhitungan jarak menggunakan manhattan distance, chbychep distance dan euclidian distance menghasilkan akurasi sebesar 67%.
Kata kunci: data mining, clustering, k-means, prestasi siswa
Abstract:Penelitian ini bertujuan untuk melakukan segmentasi wilayah rawan gempa bumi di Kabupaten Tapanuli Utara menggunakan metode K-Means Clustering. Data yang digunakan berasal dari United States Geological Survey (USGS) periode…
ode 2000–2025 dengan parameter latitude, longitude, magnitudo, dan kedalaman. Tahapan penelitian meliputi pembersihan data, normalisasi, serta penentuan jumlah cluster menggunakan metode Elbow dan Silhouette Score. Hasil menunjukkan bahwa jumlah cluster optimal adalah lima. Hasil clustering menunjukkan bahwa persebaran gempa tidak merata dan membentuk kelompok dengan karakteristik berbeda. Cluster dengan kedalaman gempa dangkal memiliki potensi risiko lebih tinggi dibandingkan cluster lainnya. Penelitian ini diharapkan dapat menjadi dasar dalam memahami pola kerawanan gempa serta mendukung upaya mitigasi bencana di wilayah penelitian.
Abstract:Penelitian ini bertujuan mengidentifikasi pola pengelompokan komponen perakitan komputer menggunakan metode K-Means Clustering. Dataset yang digunakan mencakup CPU, motherboard, RAM, GPU, PSU, dan casing. Proses penelitian…
an meliputi eksplorasi data, pembersihan data, imputasi nilai hilang, encoding kategorikal, normalisasi, serta rekayasa fitur seperti total TDP dan rasio daya PSU. Hasil clustering menunjukkan pembentukan empat kelompok utama, yaitu komponen low-end, mid-range, high-end, dan cluster RAM yang berdiri sendiri. Temuan ini membuktikan bahwa K-Means efektif dalam memetakan karakteristik hardware dan dapat digunakan sebagai dasar sistem rekomendasi perakitan PC.
Abstract:Mengelompokkan pengguna media sosial berdasarkan pola interaksi dengan menggunakan metode K-Means Clustering. Dalam era digital saat ini, memahami perilaku pengguna media sosial menjadi sangat penting bagi platform digital…
al untuk meningkatkan keterlibatan dan retensi pengguna. Dengan mengidentifikasi interaksi pengguna, platform dapat merancang strategi yang lebih efektif untuk memenuhi kebutuhan dan preferensi pengguna. Dataset yang digunakan dalam penelitian ini mencakup atribut-atribut seperti BounceRates dan ExitRates untuk mencerminkan tingkat ketertarikan awal dan durasi interaksi pengguna, serta atribut Month, Region, VisitorType, dan Weekend untuk menangkap faktor temporal, geografis, dan perilaku kunjungan. Data tersebut diolah melalui proses normalisasi dan pengkodean untuk memastikan kompatibilitas dalam analisis K-Means. Hasil clustering menunjukkan adanya dua kelompok utama pengguna media sosial dengan karakteristik interaksi yang berbeda. Kelompok pertama terdiri dari pengguna dengan keterlibatan awal yang tinggi dan interaksi yang lebih lama, sedangkan kelompok kedua cenderung memiliki minat awal yang rendah dan durasi interaksi yang singkat. Temuan ini memberikan wawasan bagi pengelola platform media sosial untuk mengembangkan strategi yang lebih personalisasi dalam meningkatkan pengalaman pengguna, baik melalui konten yang lebih relevan maupun pendekatan pemasaran yang terarah. Dengan adanya pengelompokan ini, diharapkan platform media sosial dapat meningkatkan efektivitas interaksi pengguna dan memperkuat loyalitas pengguna, yang pada akhirnya berdampak positif pada pertumbuhan platform secara keseluruhan.
Abstract:Grosir Chintiya menghadapi tantangan dalam pengelolaan stok barang, yang sering kali menyebabkan kelebihan stok pada produk kurang diminati dan kekurangan stok pada produk yang diminati. Hal ini memengaruhi efisiensi operasional…
rasional dan profitabilitas perusahaan. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan menerapkan algoritma K-Means clustering untuk mengelompokkan produk berdasarkan pola penjualannya, sehingga dapat mengidentifikasi produk laris dan tidak laris secara lebih akurat.K-Means clustering adalah metode yang efektif untuk mengelompokkan data berdasarkan kesamaan karakteristik, dengan menentukan sejumlah cluster terlebih dahulu. Melalui analisis data penjualan selama empat bulan terakhir, penelitian ini mengembangkan model untuk mengelompokkan produk Grosir Chintiya menjadi beberapa kategori berdasarkan tingkat penjualan. Hasil analisis ini diharapkan dapat memberikan wawasan penting untuk pengelolaan stok yang lebih efisien dan strategi pengadaan barang yang lebih tepat sasaran.Manfaat penelitian ini mencakup kontribusi teoritis dalam pengembangan metode analisis data untuk manajemen inventaris, manfaat praktis bagi Grosir Chintiya berupa peningkatan kepuasan pelanggan melalui ketersediaan produk yang sesuai kebutuhan, serta manfaat penelitian yang memperkuat landasan penerapan teknologi informasi dalam strategi bisnis grosir. Selain itu, penelitian ini memberikan kontribusi bagi institusi akademik dengan meningkatkan reputasi kampus dalam penelitian berbasis teknologi informasi yang relevan dan aplikatif.Dengan demikian, penelitian ini tidak hanya membantu Grosir Chintiya dalam meningkatkan efisiensi operasional, tetapi juga memberikan solusi berbasis data untuk pengambilan keputusan yang lebih baik, serta membuka peluang kolaborasi antara dunia akademik dan industri.
Abstract:Data mining membantu bisnis membuat produksi yang menguntungkan dan penyesuaian operasional. Pengelolaan persediaan stok barang merupakan aspek krusial dalam manajemen bisnis ritel modern yang memerlukan pendekatan analitis…
tis untuk optimalisasi. Data Mining dengan metode K-Means Clustering mampu menganalisis dan mengelompokkan pola persediaan stok barang. Tahapan yang dilakukan pra-pemrosesan data, implementasi K-Means Clustering, dan evaluasi model menggunakan metrik Sum of Squared Errors (SSE) dan Silhouette Score. Hasil analisis menggunakan metode Elbow menunjukkan tiga cluster optimal dengan nilai SSE final 51.69, menandakan kohesi internal yang baik. Evaluasi menggunakan Silhouette Score menghasilkan nilai 0.498, mengindikasikan keseimbangan yang baik antara kohesi dan separasi cluster. Hasil clustering mengidentifikasi tiga pola distinct dalam persediaan stok: Cluster 0 mendominasi periode akhir tahun dengan rentang stok 780-840 unit, Cluster 1 terkonsentrasi pada awal tahun dengan rentang 840-920 unit, dan Cluster 2 sebagai cluster transisi pada pertengahan tahun dengan rentang 840- 880 unit. Visualisasi temporal menunjukkan pola seasonal yang jelas dalam pengelolaan persediaan sepanjang tahun. Implementasi K-Means Clustering berhasil menghasilkan pengelompokan yang bermakna dan dapat diinterpretasikan dalam konteks manajemen inventori.