Juan, Steven (1572047) (2018) Pengembangan Model dan Profil Mahasiswa Berbasis Pengelompokan Data. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1572047_Abstract_TOC.pdf - Accepted Version Download (436Kb) | Preview |
|
|
Text
1572047_Chapter1.pdf - Accepted Version Download (425Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1572047_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (601Kb) |
|
|
Text
1572047_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (1776Kb) |
|
|
Text
1572047_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (1931Kb) |
|
|
Text
1572047_Chapter5.pdf - Accepted Version Restricted to Repository staff only Download (800Kb) |
|
|
Text
1572047_Conclusion.pdf - Accepted Version Download (476Kb) | Preview |
|
|
Text
1572047_Cover.pdf - Accepted Version Download (375Kb) | Preview |
|
|
Text
1572047_References.pdf - Accepted Version Download (363Kb) | Preview |
Abstract
Setiap mahasiswa memiliki ketertarikan yang berbeda. Tidak lepas dalam perkuliahan setiap mahasiswa pasti memiliki ketertarikan pada matakuliah yang berbeda. Pada penelitian ini akan dibahas tentang implementasi pengelompokan data dengan algoritma K-means terhadap data akademik mahasiswa Fakultas Teknologi Informasi Universitas Kristen Maranatha. Algoritma K-means ini bekerja dengan cara membentuk k buah kelompok dengan bantuan k buah titik tengah. Setelah pengelompokan data dilakukan kelompok yang terbentuk akan dimanfaatkan untuk memprediksikan kelompok yang terbentuk didalam lingkungan mahasiswa sehingga penanganan untuk setiap mahasiswa dapat sesuai dengan kebutuhan setiap mahasiswa. Pembentukan algoritma K-means dibantu dengan menggunakan Azure Machine Learning Studio dan juga dapat diluncurkan sebagai web service. Selain pengelompokan data, aplikasi ini juga dapat melakukan profile matching dengan menggunakan web service yang diluncurkan menggunakan Azure Machine Learning Studio, dengan cara memanfaatkan model yang telah dibentuk menggunakan algoritma K-means. Sehingga data dapat dianalisis dengan mudah melalui aplikasi yang telah dikembangkan ini. Hasil implementasi ini juga sudah melewati tahap pengujian dengan metode test case dan analisis. Pengujian juga menunjukan bahwa aplikasi sudah berhasil diimplementasi. Hasil analisis juga sudah berhasil mengidentifikasi profilprofil umum dari empat buah dataset.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Cluster Modeling, K-means, Azure Machine Learning Studio, Web Service |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Information Technology > 72 Information Technology Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 25 Mar 2019 08:31 |
| Last Modified: | 25 Mar 2019 08:31 |
| URI: | http://repository.maranatha.edu/id/eprint/26089 |
Actions (login required)
 |
View Item |
