| dc.contributor.advisor | Prasetyo, Eko | |
| dc.contributor.advisor | Asroni | |
| dc.contributor.author | FITRI, HIDAYATUL | |
| dc.date.accessioned | 2018-02-09T01:43:55Z | |
| dc.date.available | 2018-02-09T01:43:55Z | |
| dc.date.issued | 2016-12-11 | |
| dc.identifier.uri | http://repository.umy.ac.id/handle/123456789/17601 | |
| dc.description | Meningkatnya calon mahasiswa baru dalam sebuah universitas membuat
tumpukan data semakin banyak, berangkat dari hal tersebut maka dilakukan
pencarian pengetahuan baru dengan data mining. Pengelompokkan data bagi calon
mahasiswa baru akan dilakukan dengan metode clustering dan menggunakan
algoritma k-means. Pada data penmaru ini terdapat 5 atribut yang digunakan yaitu,
kota asal, jenis kelamin, status lolos seleksi, jalur masuk dan jurusan. Analisis ini
dilakukan dengan menggunakan software WEKA dan sumber data diambil dari data
penerimaan mahasiswa baru (penmaru) dalam bentuk data warehouse. Class dari
penggunaan metode ini adalah dari atribut jurusan. Iterasi yang dilakukan sebanyak 3
kali iterasi dan jumlah cluster pada FKIK yaitu 4 cluster, FISIPOL yaitu 3 cluster.
Metode clustering dapat diterapkan pada pengelompokkan data bagi calon mahasiswa
baru. Hal lain yang dapat dianalisis dari hasil pengelompokkan data calon mahasiswa
tersebut yaitu strategi promosi dari setiap jurusan untuk meningkatkan kuantitas dan
kualitasnya. | en_US |
| dc.description.abstract | Increased new students in a university making heaps of data more, therefore
the search performed new knowledge with data mining. Grouping of data for
prospective new students will be done by clustering method and using the K-means
algorithm. In the data penmaru have 5 attributes used namely, hometown, gender,
graduation status, category test, and majors. This analysis is done by using WEKA
software and data retrieved from the data source admission of new students
(penmaru) in the form of a data warehouse. Class of use this method is the major of
attributes. Iteration is done 3 time iterations and the number of clusters on FKIK
namely four clusters, namely FISIPOL 3 clusters. Clustering method can be applied
to the determination of the major for prospective new students. Another that can be
analyzed from the result of the grouping of data is the promotion strategy of each
major to increase the quantity and quality. | en_US |
| dc.publisher | FAKULTAS TEKNIK UMY | en_US |
| dc.subject | Data Mining, K-Means, Clustering, Penmaru, WEKA. | en_US |
| dc.title | PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS PADA PENGELOMPOKKAN DATA CALON MAHASISWA BARU DI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA | en_US |
| dc.title.alternative | Studi Kasus: Fakultas Kedokteran Dan Ilmu Keperawatan Dan Fakultas Ilmu Sosial Dan Ilmu Politik | en_US |
| dc.type | Thesis | en_US |
