PREDIKSI PEMINATAN MATA KULIAH KONSENTRASI MEMAKAI K-MEANS MENGGUNAKAN ORANGE

yanto, supri (2021) PREDIKSI PEMINATAN MATA KULIAH KONSENTRASI MEMAKAI K-MEANS MENGGUNAKAN ORANGE. Skripsi thesis, IIB Darmajaya.

[img] Text
cover depan_Logo.pdf

Download (207kB)
[img] Text
NEW_DAFTAR ISI.pdf

Download (13kB)
[img] Text
abstrak.pdf

Download (466kB)
[img] Text
pengesahan dekan.pdf

Download (1MB)
[img] Text
BAB.1.pdf

Download (292kB)
[img] Text
BAB II (3).pdf

Download (527kB)
[img] Text
BAB III (1).pdf

Download (476kB)
[img] Text
BAB IV.pdf

Download (1MB)
[img] Text
BAB V.pdf

Download (186kB)

Abstract

PREDIKSI PEMINATAN MATA KULIAH KONSENTRASI MEMAKAI K-MEANS MENGGUNAKAN ORANGE By SUPRI YANTO suprianto@darmajaya.ac.id Abstrak Pada saat ini dalam penentuan konsentrasi hanya berdasarkan dari keinginan mahasiswa tanpa adanya suatu sistem yang memberikan bahan pertimbangan atau aturan yang bisa dijadikan sebagai acuan bagi mahasiswa dalam menentukan mata kuliah konsentrasi. Dengan memakai metode K-Means Clastering akan mendapatkan hasil yang lebih baik dalam melihat claster setiap semester berjalan, adapun data mahasisswa TA.2015-2021 sample data dihitung dengan Metode Slovin sebanyak 5000 record dan dari hasil tersebut diolah menggunakan aplikasi Orange. dimana matakuliah peminatan yang banyak di ambil mahasiswa adalah Manajeman keuangan dengan jumlah data sebanyak 1776 record prodi Manajeman, Informasi Sistem sebanyak 247 record prodi Sistem Informasi, Akutansi manajeman sebanyak 277 record prodi Akuntansi. sehingga akan menjadikan sebuah informasi tentang mata kuliah peminatan konsentrasi yang banyak di ambil oleh mahasiswa yang bisa dijadikan rekomendasi untuk prodi di setiap semester. Keywords : K-Means, Clustering, Orange

Item Type: Thesis (Skripsi)
Subjects: Ilmu Komputer
eSkripsi
Divisions: Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: SUPRIYANTO anto arjuna
Date Deposited: 13 Apr 2022 07:55
Last Modified: 13 Apr 2022 07:55
URI: http://repo.darmajaya.ac.id/id/eprint/7085

Actions (login required)

View Item View Item