PREDIKSI KELULUSAN MAHASISWA TEKNIK INFORMATIKA DENGAN ALGORITMA K-MEANS CLUSTERING (STUDI KASUS PRODI TEKNIK INFORMATIKA IIB DARMAJAYA )

Yulia, Safitri and Isnandar, Agus (2024) PREDIKSI KELULUSAN MAHASISWA TEKNIK INFORMATIKA DENGAN ALGORITMA K-MEANS CLUSTERING (STUDI KASUS PRODI TEKNIK INFORMATIKA IIB DARMAJAYA ). Skripsi thesis, INSTITUT INFORMATIKA DAN BISNIS DARMAJAYA.

	Text cover.pdf Download (122kB)
	Text Absstrack.pdf Download (120kB)
	Text Surat persetujuan.pdf Download (151kB)
	Text Halaman pengesahan.pdf Download (133kB)
	Text daftar isi.pdf Download (386kB)
	Text bab1.pdf Download (186kB)
	Text bab 2.pdf Download (580kB)
	Text bab 3.pdf Download (617kB)
	Text bab 4.pdf Download (450kB)
	Text bab 5.pdf Download (103kB)
	Text bab 5.pdf Download (103kB)
	Text daftar pustaka.pdf Download (178kB)
	Text lampiran.pdf Download (739kB)

Abstract

Dalam lingkungan akademik di perguruan tinggi, khusus nya pada prodi Teknik Informatika, masih terdapat permasalahan mengenai mahasiswa yang tidak dapat menyelesaikan studi dalam tepat waktu. Adapun penelitian ini untuk memprediksi kelulusan mahasiswa Prodi Teknik Informatika dengan mengambil data-data mahasiswa dari ipk, tahun masuk, sks, mata kuliah lulus, dan penghasilan orang tua. Metode scrum dengan tahapan product backlog, sprint backlog, increment. Algoritma dalam program menggunakan algoritma k-means clustering. Di mana algoritma ini digunakan untuk memprediksi kelulusan mahasiswa program studi Teknik Informatika. Algoritma k-means clustering memiliki beberapa tahapan yaitu menentukan K sebagai jumlah cluster, menetapkan nilai random untuk pusat cluster awal, menghitung jarak setiap data input dengan rumus Euclidian, mengklasifikasikan setiap data berdasarkan kedekatan dengan centroid (jarak terkecil), memperbaharui nilai centroid yang diperoleh dari rata-rata cluster. Hasil penelitian ini berupa perangkat lunak yaitu website untuk prediksi kelulusan mahasiswa Teknik informatika yang dapat memudahkan prodi Teknik Informatika dalam mencari informasi kelulusan mahasiswa cepat, sedang lambat. Kata Kunci : Kelulusan; Clustering; Algoritma K-means

Item Type:	Thesis (Skripsi)
Subjects:	Ilmu Komputer eSkripsi
Divisions:	Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Yulia Lia Safiti
Date Deposited:	14 Mar 2024 00:55
Last Modified:	14 Mar 2024 00:55
URI:	http://repo.darmajaya.ac.id/id/eprint/15059

Actions (login required)

View Item