首页> 外文OA文献 >PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK REKOMENDASI PEMILIHAN JALUR PEMINATAN SESUAI KEMAMPUAN PADA PROGRAM STUDI TEKNIK INFORMATIKA-S1 UNIVERSITAS DIAN NUSWANTORO
【2h】

PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK REKOMENDASI PEMILIHAN JALUR PEMINATAN SESUAI KEMAMPUAN PADA PROGRAM STUDI TEKNIK INFORMATIKA-S1 UNIVERSITAS DIAN NUSWANTORO

机译:基于K-均值算法的聚类方法在能力推荐中的应用推荐,在电大大学信息工程学研究计划中

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。

摘要

Terdapat 2 pilihan jalur peminatan pada program studi Teknik Informatika-S1 Universitas Dian Nuswantoro, dimana mahasiswa kesulitan dalam menentukan pilihan peminatan yang sesuai dengan kemampuan akademisnya. Disamping itu belum dimanfaatkannya data mahasiswa yang sudah mengambil peminatan, yang dapat dijadikan suatu informasi sehingga dapat berguna sebagai rekomendasi dalam pemilihan peminatan. Oleh karena itu penelitian ini memiliki tujuan menerapkan salah satu metode dalam data mining, yaitu metode clustering dengan algoritma K-Means. Untuk dapat mengelompokkan mahasiswa berdasarkan kemampuan akademisnya, sehingga dapat menjadi salah satu alternatif untuk program studi dalam memberikan rekomendasi kepada mahasiswa mengenai pemilihan jalur peminatan. Pada penelitian ini menggunakan data mahasiswa Teknik Informatika-S1 Universitas Dian Nuswantoro angkatan 2011, 2012, dan 2013. Atribut yang digunakan dalam pengelompokan ialah IPS 1-4, rerata nilai matakuliah penunjang SC, dan rerata nilai matakuliah penunjang RPLD. Sedangkan kesesuaian kemampuan mahasiswa dengan jalur peminatan akan diketahui dari atribut peminatan, rerata nilai matakuliah peminatan SC, rerata nilai matakuliah peminatan RPLD. Tools yang digunakan yaitu rapidminer dan MS.Excel, metode pengembangan data mining mengikuti fase-fase dari CRISP-DM. Hasil pada penelitian ini yaitu didapatkan 5 kelompok mahasiswa berdasarkan tingkat kemampuan akademisnya. Yang mana pada setiap kelompok yang terbentuk kemudian dilakukan analisa lebih lanjut dan profilisasi guna diketahui karakteristik dan kesesuaiannya dengan jalur peminatan.
机译:迪斯努斯万托罗大学信息学-S1学习计划有2个专业化途径选择,学生很难根据自己的学术能力来确定专业化选择。除此之外,尚未利用未专业化的学生的数据,可以将其用作信息,以便在选择专业时作为推荐使用。因此,本研究的目的是在数据挖掘中应用一种方法,即采用K-Means算法的聚类方法。为了能够根据学生的学习能力对学生进行分类,因此可以作为学习计划的替代方案,向学生提供有关选择专业课程的建议。本研究以2011、2012和2013年S1于Nuswantoro大学信息工程学院的学生的数据为基础。分组中使用的属性是IPS 1-4,支持SC课程的平均值和RPLD支持课程的平均值。通过专业化属性,SC专业化课程的平均值,RPLD专业化课程的平均值,可以了解学生对专业化路径的适应性。使用的工具是Rapidminer和MS.Excel,它们是CRISP-DM阶段之后的数据挖掘开发方法。本研究的结果是根据学生的学习能力水平分为5组。在每个小组中形成的地方,都进行了进一步的分析和分析,以确定特性和与专业化途径的兼容性。

著录项

  • 作者

    RIZKY ADRIANTO;

  • 作者单位
  • 年度 2016
  • 总页数
  • 原文格式 PDF
  • 正文语种
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号