Selvianan Tasya
Institut Teknologi dan Bisnis Bank Rakyat Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Informatics and Advanced Computing

PENENTUAN STRATEGI PENGEMBANGAN MINAT DAN BAKAT MAHASISWA BRI INSTITUTE DENGAN MEMBUAT CLUSTERING BERDASARKAN HASIL PENILAIAN DECOMPE 1.0 Michael Sitorus; Putriarrum Wardani; Selvianan Tasya
Journal of Informatics and Advanced Computing (JIAC) Vol 3 No 1 (2022): Journal of Informatics and Advanced Computing
Publisher : Teknik Informatika Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Clustering analysis merupakan salah satu teknik dalam data mining untuk mengklasifikasikan suatu kelompok objek yang memiliki karakteristik sama. Jumlah kelompok yang dapat diidentifikasi tergantung pada sejumlah data dan jenis dari objeknya.Pengembangan minat dan bakat saat ini sering menjadi hal yang dilakukan oleh mahasiswa di Indonesia.Maka dari itu, untuk membantu mahasiswanya dalam menemukan minat dan bakat mereka tidak jarang kampus mengadakan kegiatan yang dapat membuat mahasiswa mengeksplor kemampuan mereka dengan mengikuti kegiatan pelatihan maupun kompetisi yang diselenggarakan oleh kampus. BRI Institute memiliki banyak kegiatan yang dapat mengeksplor kemampuan mahasiswa salah satunya kegiatan kompetisi yang diselenggarakan untuk mengetahui seberapa besar minat dan bakat mahasiswa dalam membuat sebuah desain UI/UX, kompetisi ini diberi nama DECOMPE 1.0.Adapun, K-Means pada orange data mining adalah salah satu metode clustering data yang dibagi kedalam bentuk satu atau lebih cluster/kelompok yang memiliki karakteristik sama. Clustering data mahasiswa menggunakan metode K- Means, terdiri dari hasil penilaian juri terhadap hasil karya/design UI/UX yang dilombakan dalam kompetisi Decompe 1.0. Penelitian ini menggunakan data mahasiswa peserta lomba Decome 1.0. Kemudian diperoleh kesimpulan bahwa hasil clustering dikategorikan menjadi 3 yaitu Clustering 1 yang merupakan kategori mahasiswa dengan hasil penilaian rendah dari juri,Clustering 2 dimana kategori mahasiswa yang memperoleh hasil penilaian rata-rata (sedang) dan Clustering 3 merupakan kategori mahasiswa yang memperoleh hasil penilaian yang tinggi dari juri.