SELENGKAPNYA

NIM MAHASISWA : 11043120


NAMA MAHASISWA : ABDUL HADI


JUDUL TA : Pengelompokan Mahasiswa Berdasarkan Frekuensi Presensi ke Laboratorium dan Nilai IPK Menggunakan Algoritma K-Means


DOSEN PEMBIMBING 1 : Rifki Fahrial


DOSEN PEMBIMBING 2 : Eko Prasetyo


ABSTRAK : Data presensi pada laboratorium di Universitas dari hari ke hari semakin banyak jumlahnya. Data tersebut biasanya digunakan hanya sampai pada laporan tahunan Universitas, dan setelah itu tidak ada penggunaan lagi. Data-data tentunya terus memerlukan biaya perawatan sehingga jika tanpa ada pemanfaatan pada data tersebut, maka Universitas hanya membuang biaya perawatan begitu saja. Algoritma K-Means merupakan metode klastering non- hierarchical berbasis jarak yang membagi data kedalam klaster dan algoritma ini bekerja pada atribut numerik. Algoritma K-Means termasuk dalam partitioning clustering yang memisahkan data ke daerah bagian yang terpisah. Algoritma K-Means sangat terkenal karena kemudahannya dan kemampuannya untuk mengklaster data besar dan outlier dengan sangat cepat. Dari hasil pengujian didapatkan bahwa proses klastering berhenti pada iterasi ke-7. Dimana pada kelompok k0 terdapat 17 mahasiswa dimana rata-rata presensi adalah sebesar 14.18 dan nilai rata-rata IPK cenderung baik yaitu sebesar 2.84. Pada kelompok k1 terdapat 30 mahasiswa dengan rata-rata presensi sebesar 18.77 dan nilai rata-rata IPK cenderung sangat baik yaitu sebesar 3.262. Dan pada kelompok k2 terdapat 17 mahasiswa dengan rata-rata presensi sebesar 22.59 dan nilai rata-rata IPK yang cenderung sangat baik yaitu sebesar 3.3128.


KATA KUNCI : Universitas, K-Means, klastering, non-hierarchical, partitioning clustering,