Claim Missing Document
Check
Articles

Found 12 Documents
Search

Penggalian Kaidah Asosiasi pada Jadwal Perkuliahan Universitas Graha Karya Muara Bulian anas, azwar; Akhmadi, Akhmadi; Zebua, Ade Jermawinsyah
Jurnal Ilmiah Media Sisfo Vol 18 No 2 (2024): Jurnal Ilmiah Media Sisfo
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/mediasisfo.2024.18.2.1968

Abstract

Jadwal kuliah yang disusun setiap semester, tidak memiliki makna ketika tidak dilakukan penambangan terhadap variabel-variabel data yang ada. Proses penambangan terhadap tumpukan data tentu memerlukan metode tertentu, agar menghasilkan suatu pengetahuan atau suatu pola data yang bermakna. Penambangan data (Data Mining) dapat menyelesaikan masalah menjawab tumpukan data masa lalu, yang juga dikenal sebagai "bongkahan data". Tujuan penelitian ini adalah untuk menemukan suatu pola jadwal perkuliahan di Universitas Graha Karya Muara Bulian dalam empat semester. Penelitian ini merupakan penelitian kepustakaan. Metode analisis data yang digunakan adalah algoritma apriori. Data yang digunakan adalah data jadwal perkuliahan selama 2 tahun akademik atau 4 semester. Hasil penelitian menunjukkan untuk 1-itemset, variabel Linier memiliki frekuensi tertinggi dengan nilai 120, mendukung 45% dan keyakinan 100%. Untuk kombinasi lebih dari 1 itemsets, aturan Jika dosen yang mengajar tidak linier maka dosen tersebut tidak sertifikasi dengan nilai dukungan 89% dan keyakinan 92%.
Clustering Nilai Mahasiswa Menggunakan Algoritma K-Means Anas, Azwar; Zebua, Ade Jermawinsyah; Akhmadi
Jurnal Ilmiah Media Sisfo Vol 19 No 1 (2025): Jurnal Ilmiah Media Sisfo
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/mediasisfo.2025.19.1.2200

Abstract

Nilai-nilai yang diperoleh setiap mahasiswa akan berbeda. Hal ini tergantung dari kemampuan mahasiswa menyerap materi perkuliahan yang diberikan. Semakin banyak jumlah mahasiswa, semakin banyak pula ragam nilai yang terlihat. Nilai-nilai tersebut hanya akan tampak seperti angka-angka yang tak bermakna, jika tidak dilakukan suatu analisis mendalam. Namun ketika dianalisis menggunakan metode data mining (penambangan data), nilai tersebut akan tersaji dalam suatu pengetahuan baru yang selama ini tersembunyi. Tujuan penelitian ini adalah membagi nilai mahasiswa ke dalam 3 (tiga) cluster berdasarkan kemiripannya. Metode yang digunakan adalah algoritma K-Means. Hasil penelitian menunjukkan Cluster 2 (dua) memiliki anggota paling banyak dengan 18 (delapan belas), kemudian cluster 1 (satu) dengan 8 (delapan) dan cluster 3 (tiga) paling sedikit yaitu 2 (dua) anggota. Sebaran data cluster 2 lebih beragam karena anggota yang paling banyak, sebaran cluster 1 sedikit menumpuk pada satu titik, sedangkan cluster 3 hanya 2 (dua) anggota dan memiliki jarak yang agak jauh