PENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI

Martiana, Entin (2009) PENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI. Industrial Electronic Seminar.

Preview

PDF Download (235Kb) | Preview

Abstract

Tugas Akhir merupakan salah satu kewajiban mahasiswa, khususnya di PENS-ITS, yang harus dikerjakan sebagai syarat kelulusan. Namun tidak jarang mahasiswa mengalami kesulitan dalam penyelesaian tugas akhir tersebut. Salah satu penyebabnya adalah faktor kemampuan mahasiswa dalam bidang Tugas Akhir yang dikerjakannya. Penelitian ini membahas penggunaan metode clustering dan inner product untuk menentukan bidang Tugas Akhir mahasiswa Teknik Informatika PENS-ITS berdasarkan nilai yang didapat mulai dari semester pertama sampai dengan semester sebeum penentuan judul TA. Tiap bidang disusun oleh mata kuliah-mata kuliah tertentu. Nilai mata kuliah-mata kuliah tersebutlah yang digunakan sebagai atribut data dalam sistem ini. Metode clustering yang digunakan adalah Single Linkage Hierarchical, Centroid Linkage Hierarchical, dan K-Means. Metode-metode clustering tersebut digunakan untuk melakukan training data sehingga terbentuk cluster-cluster. Cluster-cluster yang terbentuk kemudian dilabelkan dengan Inner Product. Inner Product dilakukan dengan mengalikan centroid tiap cluster dengan nilai minimum (dari data training) untuk atribut centroid (mata kuliah) yang tidak mempengaruhi bidang TA dan mengalikan dengan nilai maximum (dari data training) untuk atribut centroid (mata kuliah) yang mempengaruhi bidang TA yang sedang diproses. Hasil Inner Product yang paling besar menunjukkan bahwa cluster tersebut memiliki label bidang TA yang sedang diproses. Pengujian dilakukan dengan data baru (data uji) yang memiliki atribut (mata kuliah) yang sama dengan data training. Data uji tersebut dihitung jaraknya menggunakan Euclidean Distance dengan masing-masing cluster yang telah berlabel (bidang TA). Jarak yang terdekat menujukkan data tersebut merupakan anggota cluster yang dimaksud yang berarti data baru tersebut termasuk ke bidang yang diwakili cluster yang berjarak paling dekat tersebut. Hasil percobaan menunjukkan bahwa metode centroid linkage memiliki nilai variance (Vw/Vb) paling kecil yang menandakan bahwa metode tersebut menghasilkan cluster paling baik dibanding dengan metode single linkage dan K-Means pada kasus ini. Kata kunci : Hierarchical, Clustering, Centroid, Single, Linkage, K-Means, variance, Euclidean Distance, Inner Product, Bidang Tugas Akhir.

Actions (login required)