Pengelompokkan Profil Work Readiness Mahasiswa Teknik Industri Universitas Telkom Menggunakan Data Mining Berbasis Algoritma K-Means Clustering
Teks penuh
Dokumen terkait
Data yang dipakai dalam pendukung keputusan strategi pemasaran antara lain data asal mahasiswa, program studi, serta asal sekolah yang dianalisa menggunakan K-Means
Algoritma K-Means dapat digunakan dalam pengelompokkan citra digital sesuai fitur warna RGB dalam jumlah yang banyak, akan tetapi belum efisien dalam mengelompokkan
Strategi promosi bagi calon mahasiswa baru yang tepat sasaran untuk setiap wilayah berdasarkan cluster yang terbentuk adalah dengan mengirim tim admisi UDINUS
Hasil clustering kedua untuk kelas Teknik Informatika-B dari output weka 3.6 menunjukkan sebanyak 12 (24%) nilai UTS termasuk dalam cluster nilai rendah, sebanyak 24
Kedua, dari clustering yang terbentuk dari masing-masing kelas, dapat dijabarkan bahwa untuk kelas Teknik Informatika-A, sebanyak 5 10% nilai UTS termasuk dalam cluster nilai
Algoritma k-means clustering digunakan untuk mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data
Penelitian ini menggunakan metode clustering data obat-obatan yaitu algoritma K-Means yang merupakan metode data clustering non hirarki untuk mempartisi data ke dalam cluster hingga
Dari pembagian menjadi 5 cluster terlihat bahwa pada cluster_2 dan cluster_4 memiliki nilai atribut centrodi yang berada dibawah yang terindikasi memilik banyak nilai dalam mata kuliah
