EEPIS Repository

PENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI

Martiana, Entin (2009) PENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI. Industrial Electronic Seminar.

[img]
Preview
PDF
Download (235Kb) | Preview

    Abstract

    Tugas Akhir merupakan salah satu kewajiban mahasiswa, khususnya di PENS-ITS, yang harus dikerjakan sebagai syarat kelulusan. Namun tidak jarang mahasiswa mengalami kesulitan dalam penyelesaian tugas akhir tersebut. Salah satu penyebabnya adalah faktor kemampuan mahasiswa dalam bidang Tugas Akhir yang dikerjakannya. Penelitian ini membahas penggunaan metode clustering dan inner product untuk menentukan bidang Tugas Akhir mahasiswa Teknik Informatika PENS-ITS berdasarkan nilai yang didapat mulai dari semester pertama sampai dengan semester sebeum penentuan judul TA. Tiap bidang disusun oleh mata kuliah-mata kuliah tertentu. Nilai mata kuliah-mata kuliah tersebutlah yang digunakan sebagai atribut data dalam sistem ini. Metode clustering yang digunakan adalah Single Linkage Hierarchical, Centroid Linkage Hierarchical, dan K-Means. Metode-metode clustering tersebut digunakan untuk melakukan training data sehingga terbentuk cluster-cluster. Cluster-cluster yang terbentuk kemudian dilabelkan dengan Inner Product. Inner Product dilakukan dengan mengalikan centroid tiap cluster dengan nilai minimum (dari data training) untuk atribut centroid (mata kuliah) yang tidak mempengaruhi bidang TA dan mengalikan dengan nilai maximum (dari data training) untuk atribut centroid (mata kuliah) yang mempengaruhi bidang TA yang sedang diproses. Hasil Inner Product yang paling besar menunjukkan bahwa cluster tersebut memiliki label bidang TA yang sedang diproses. Pengujian dilakukan dengan data baru (data uji) yang memiliki atribut (mata kuliah) yang sama dengan data training. Data uji tersebut dihitung jaraknya menggunakan Euclidean Distance dengan masing-masing cluster yang telah berlabel (bidang TA). Jarak yang terdekat menujukkan data tersebut merupakan anggota cluster yang dimaksud yang berarti data baru tersebut termasuk ke bidang yang diwakili cluster yang berjarak paling dekat tersebut. Hasil percobaan menunjukkan bahwa metode centroid linkage memiliki nilai variance (Vw/Vb) paling kecil yang menandakan bahwa metode tersebut menghasilkan cluster paling baik dibanding dengan metode single linkage dan K-Means pada kasus ini. Kata kunci : Hierarchical, Clustering, Centroid, Single, Linkage, K-Means, variance, Euclidean Distance, Inner Product, Bidang Tugas Akhir.

    Item Type: Article
    Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
    Q Science > QA Mathematics > QA76 Computer software
    Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
    Depositing User: Ms Mellissa Andayani
    Date Deposited: 17 Mar 2011 08:09
    Last Modified: 31 Mar 2011 22:42
    URI: http://repo.eepis-its.edu/id/eprint/130

    Actions (login required)

    View Item