Aplikasi Berbasis Fuzzy C-Means Dalam Penentuan Predikat Kelulusan Mahasiswa

Article Sidebar

PDF
Published: Sep 1, 2016
Keywords:
Fuzzy C-Means, Predikat Kelulusan

Main Article Content

Rosmiati
Program Studi Sistem Informasi, STMIK Palangkaraya
Lili Rusdiana
Program Studi Teknik Informatika, STIMIK Palangkaraya

Abstract

Model cluster dapat menggunakan konsep Fuzzy C-Means sebagai salah satu metode pengelompokan. Penerapan metode Fuzzy C-Means dapat digunakan untuk mengelompokkan data seperti predikat kelulusan Mahasiswa yang didapat berdasarkan jumlah beban studi yang telah ditempuh, IPK yang diperoleh Mahasiswa, dan kelulusan skripsi. Penelitian ini dilakukan untuk mengetahui hasil dari penggunaan metode Fuzzy C-Means pada penentuan kelulusan Mahasiswa sehingga didapat hasil berupa analisis dari aplikasi yang dibangun. Tujuan dari penelitian ini yaitu untuk mencari hasil dari aplikasi menggunakan konsep Fuzzy C-Means pada penentuan kelulusan Mahasiswa menggunakan data Mahasiswa STMIK Palangkaraya. Permasalahan dari penelitian ini yaitu untuk mengimplementasikan konsep metode Fuzzy C-Means ke dalam aplikasi pada penentuan kelulusan Mahasiswa menggunakan data Mahasiswa STMIK Palangkaraya. Hasil dari metode algoritma Fuzzy C-Means dalam menentukan kelulusan Mahasiswa yaitu hasil analisis dari aplikasi bahwa 81,6% dapat menentukan predikat kelulusan dari 98 data yang digunakan. Fuzzy C-Means merupakan salah satu metode untuk dapat mengelompokkan data, sehingga penggunaan algoritma Fuzzy C-Means dapat menjadi acuan pengembangan sebagai pemodelan dalam penelitian ini.

Downloads

Download data is not yet available.

Article Details

Issue
Vol 2 No 2 (2016): Edisi September
Section
Articles

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

References

[1] Widodo, P.P., Rahmadya T.H., Herlawati, “Penerapan Data Mining Dengan Matlab.” 2013.
[2] Mendiknas, “Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Tentang Standar Nasional Pendidi.” 2013.
[3] Chang J; Lun Ping H; Ching Lia Hi, “Expert Systems, An anticipation model of potential customers’ purchasing behavior based on clustering analysis and association rules analysis.” Expert Systems with Applications, pp. 753–764, 2007.
[4] dan S. K. Tari, L., Chitta B., “Fuzzy c-means clustering with prior biological knowledge.” 2009.
[5] E. Prasetyo, “Data Mining Konsep dan Aplikasi Menggunakan Matlab.” 2010.
[6] Kusumadewi S; Sri. H, “Neuro-Fuzzy Integrasi Sistem Fuzzy dan Jaringan Syaraf.” 2010.
[7] S. Rusdiana, L., “Pemodelan K-Means Pada Penentuan Predikat Kelulusan Mahasiswa STMIK Palangkaraya, Saintekom,” STMIK PALANGKA RAYA, vol. 6, no. 1, 2016.
[8] Munandar, A.T., Widyarto, W.O., Harsiti, “Clustering Data Nilai Mahasiswa Untuk Pengelompokan Konsentrasi Jurusan Menggunakan Fuzzy C-Means,” Semin. Nas. Apl. Teknol. Inf., pp. 30–33, 2013.