ANALISA PENENTUAN KLUSTER DENGAN METODE SELF ORGANIZING MAPS (SOM) DAN K- MEANS PADA DATA PEMOHON BEASISWA (Studi Kasus : Fakultas Hukum dan Ilmu Sosial Universitas Muhammadiyah Kotabumi)

Naeni, Ovi and Lestari, Sri (2025) ANALISA PENENTUAN KLUSTER DENGAN METODE SELF ORGANIZING MAPS (SOM) DAN K- MEANS PADA DATA PEMOHON BEASISWA (Studi Kasus : Fakultas Hukum dan Ilmu Sosial Universitas Muhammadiyah Kotabumi). Masters thesis, INSTITUT INFORMATIKA DAN BISNIS DARMAJAYA.

	Text 1. COVER.pdf Download (204kB)
	Text 2. ABSTRAK.pdf Download (172kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (241kB)
	Text 3. HALAMAN PERSETUJUAN.pdf Download (238kB)
	Text 4. DAFTAR ISI.pdf Download (358kB)
	Text 5. BAB 1.pdf Download (306kB)
	Text 6. BAB 2.pdf Download (907kB)
	Text 7. BAB 3.pdf Download (653kB)
	Text 8. BAB 4.pdf Download (717kB)
	Text 9. BAB 5.pdf Download (169kB)
	Text 10. DAFTAR PUSTAKA.pdf Download (400kB)
	Text 11. LAMPIRAN THESIS.pdf Download (443kB)

Abstract

ABSTRAK Universitas Muhammadiyah Kotabumi adalah salah satu perguruan tinggi di Kotabumi yang memiliki keunggulan mencetak lulusan yang berprestasi dalam bidang akademik maupun non akademik yang menyediakan program beasiswa PPA (Peningkatan Prestasi Akademik) dan BBA (Bantuan Biaya Akademik).Penentuan dari proses penyeleksian beasiswa PPA dan BBA dilakukan dengan metode yang relevan dikarenakan kuota yang diberikan oleh pemerintah berbeda-beda. Clustering adalah suatu teknik analisis yang bertujuan untuk memilah obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antara kelompok satu dengan yang lain. Penelitian ini menggunakan metode Self Organizing Maps (SOM) dan metode K-Means dengan tujuh variabel pendukung, meliputi nilai IP, penghasilan orang tua, jumlah tanggungan orang tua, tagihan listrik, PBB, prestasi akademik/non akademik, dan keanggotaan organisasi yang diterapkan pada pendaftar beasiswa PPA 79 orang dan pendaftar beasiswa BBA berjumlah 42 orang. Sementara kuota penerima beassiwa ditentukan sebanyak 8 orang pada masing-masing jenis beasiswa. Hasil evaluasi simpangan baku (Sw/Sb) clustering Self Organizing Maps (SOM) dan K-Means kluster calon penerima beasiswa PPA, rasio algoritma Self Organizing Maps (SOM) memiliki nilai lebih kecil yaitu 6.88099147 dibandingkan dengan algoritma K-Means dengan nilai 10.87167607. Sedangkan untuk rasio simpangan baku (Sw/Sb) kluster calon penerima beasiswa BBA, algoritma Self Organizing Maps (SOM) memiliki nilai lebih kecil yaitu 10.53197524 dibandingkan dengan algoritma K-Means dengan nilai 11.72788287. Oleh karena itu, kluster calon penerima beasiswa PPA dan BBA dengan algoritma Self Organizing Maps (SOM) lebih baik dibandingkan dengan algoritma K-Means. Akan tetapi, walaupun kluster calon penerima beasiswa PPA dan BBA dengan algoritma Self Organizing Maps (SOM) lebih baik dibandingkan dengan algoritma K-Means, hasil akhir penerima beasiswa adalah orang yang sama pada hasil kedua metode tersebut. Kata kunci: Penerima Beasiswa, Clustering, Self Organizing Maps (SOM), K-Means

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Naeni Ovi
Date Deposited:	25 Sep 2025 03:17
Last Modified:	25 Sep 2025 03:17
URI:	http://repo.darmajaya.ac.id/id/eprint/22860

Actions (login required)

View Item