<![CDATA[ABSTRAK - Sebelum membuat tugas akhir, mahasiswa memilih outline untuk menentukan minat dan tujuan dari pembuatan tugas akhir tersebut. Pada AMIK MI BSI Jakarta mempunyai banyak cabang dan banyak peminatan outline. Salah satu masalah dalam pemilihan outline tugas akhir di AMIK MI BSI Jakarta adalah terlalu banyaknya data peminatan outline dan cabang. Tujuan dari penelitian ini untuk mengetahui dan mengelompokan outline pendaftaran tugas akhir yang paling banyak diminati dan yang paling sedikit diminati untuk nantinya akan diperbaharui lagi peminatan outline tugas akhir di AMIK MI BSI Jakarta. Algoritma yang digunakan untuk mengelompokan data tersebut menggunakan algoritma k-means K-Means adalah suatu metode penganalisaan data. Metode k-means berusaha mengelompokkan data yang ada ke dalam beberapa kelompok, dimana data dalam satu kelompok mempunyai karakteristik yang sama satu sama lainnya dan mempunyai karakteristik yang berbeda dengan data yang ada di dalam kelompok yang lain. Atribut yang digunakan dalam pengelompokan peminatan outline tugas akhir adalah jenis outline pendaftaran tugas akhir, cabang AMIK MI BSI Jakarta, nilai tugas akhir mahasiswa. Cluster yang terbentuk ada 3 cluster, cluster pertama mempunyai 9 anggota data mahasiswa, cluster kedua mempunyai 8 anggota data mahasiswa, cluster ketiga mempunyai anggota data mahasiswaKata Kunci: Tugas Akhir,K-Means, Peminatan Outline ABSTRAK - Sebelum membuat tugas akhir, mahasiswa memilih outline untuk menentukan minat dan tujuan dari pembuatan tugas akhir tersebut. Pada AMIK MI BSI Jakarta mempunyai banyak cabang dan banyak peminatan outline. Salah satu masalah dalam pemilihan outline tugas akhir di AMIK MI BSI Jakarta adalah terlalu banyaknya data peminatan outline dan cabang. Tujuan dari penelitian ini untuk mengetahui dan mengelompokan outline pendaftaran tugas akhir yang paling banyak diminati dan yang paling sedikit diminati untuk nantinya akan diperbaharui lagi peminatan outline tugas akhir di AMIK MI BSI Jakarta. Algoritma yang digunakan untuk mengelompokan data tersebut menggunakan algoritma k-means K-Means adalah suatu metode penganalisaan data. Metode k-means berusaha mengelompokkan data yang ada ke dalam beberapa kelompok, dimana data dalam satu kelompok mempunyai karakteristik yang sama satu sama lainnya dan mempunyai karakteristik yang berbeda dengan data yang ada di dalam kelompok yang lain. Atribut yang digunakan dalam pengelompokan peminatan outline tugas akhir adalah jenis outline pendaftaran tugas akhir, cabang AMIK MI BSI Jakarta, nilai tugas akhir mahasiswa. Cluster yang terbentuk ada 3 cluster, cluster pertama mempunyai 9 anggota data mahasiswa, cluster kedua mempunyai 8 anggota data mahasiswa, cluster ketiga mempunyai anggota data mahasiswaKata Kunci: Tugas Akhir,K-Means, Peminatan Outline]]>
Copyrights © 2017
