Penerapan data mining dalam mengcluster mahasiswa potensial Drop Out dengan menggunakan algoritma potensial Drop Out menggunakan Algoritma Fuzzy C-Means : Studi Kasus Fakultas Sains dan Teknologi

Rahmawati, Irma (2019) Penerapan data mining dalam mengcluster mahasiswa potensial Drop Out dengan menggunakan algoritma potensial Drop Out menggunakan Algoritma Fuzzy C-Means : Studi Kasus Fakultas Sains dan Teknologi. Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (101kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (103kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftar isi.pdf

Download (55kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (77kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (376kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (648kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (84kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (90kB) | Request a copy

Abstract

Perguruan tinggi merupakan suatu institusi yang sudah pasti memiliki data yang tidak sedikit volumenya. Data yang dimiliki pihak kampus pun berbeda-beda yaitu seperti data keuangan, data akademik, data administrasi, dll. Karena banyak nya data yang dimiliki pihak kampus maka data tersebut dapat diolah menjadi sebuah informasi yang bermanfaat seperti informasi mahasiswa yang berpotensi drop out. Penelitian ini menggunakan algoritma fuzzy c-means dengan sample data dari mahasiswa angkatan 2014, 2015 dan 2016 semua jurusan di lingkungan Fakultas Sains dan Teknologi, masing-masing angkatan sebanyak 35 mahasiswa, jadi total nya 105 data. Terdapat 3 kriteria yang menjadi perhitungan dalam peelitian ini yaitu berdasarka data cuti, data index prestasi (ip) setiap semester dan data pembayaran spp. Penelitian ini mengelompokan 3 cluster, yaitu Cluster I merupakan cluster yang memiliki penilaian “DO karena IP”, cluster II merupakan cluster yang memiliki penilaian “DO karena cuti sudah melewati batas”, dan cluster III merupakan cluster yang memiliki penilaian “DO karena tidak membayar SPP”.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Fuzzy C-Means ; Clustering ; Drop Out ; Fakultas Sains dan Teknologi ;
Subjects: Technology, Applied Sciences
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Irma Rahmawati
Date Deposited: 09 Jan 2020 06:50
Last Modified: 09 Jan 2020 06:50
URI: https://digilib.uinsgd.ac.id/id/eprint/28659

Actions (login required)

View Item View Item