@unpublished{katalog8679,
            type = {Research Report (Lecturer)},
           month = {November},
         address = {Yogyakarta},
          author = {R. Gunawan Santosa and Yuan Lukito},
           title = {PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW},
     institution = {Universitas Kristen Duta Wacana},
       publisher = {Program Studi Informatika, Universitas Kristen Duta Wacana},
            year = {2020},
        abstract = {Model Prediksi yang dilakukan untuk penelitian ini dibagi menjadi dua
jenis, yaitu model prediksi Indeks Prestasi Semester 1 (IPS1) untuk Mahasiswa
Jalur Prestasi (JP) dan Mahasiswa Non Jalur Prestasi (NJP). Model prediksi untuk
JP menggunakan 4 variabel ( Status SMA, Lokasi SMA, Kategori SMA , Level
Bahasa Inggris) , sedangkan model untuk NJP menggunakan 8 variabel yaitu 4
variabel diatas yang ditambah dengan hasil tes kemampuan Spatial, hasil tes
kemampuan Verbal, hasil tes kemampuan Numerik dan hasil tes kemampuan
Analogi .
Pada penelitian tahun yang lalu (2019) telah dilakukan perbandingan
akurasi antara model dengan K-Means Clustering dan model fungsi Discriminant
Linier Fisher (DLF) untuk memprediksi kategori indeks prestasi mahasiswa FTI
UKDW. Hasilnya ternyata akurasi prediksi fungsi DLF lebih rendah daripada
model K-Means Clustering. Untuk mahasiswa Jalur Prestasi (JP) Rata-rata
prosentase akurasi prediksi dengan K-Means Clustering adalah 78,28\%
sedangkan rata-rata prosentase akurasi prediksi dengan Fungsi DLF adalah 58,62
\%. Sedangkan untuk mahasiswa Non Jalur Prestasi (NJP) rata-rata prosentase
akurasi prediksi dengan K-Means Clustering adalah 94,61\% sedangkan rata-rata
prosentase akurasi prediksi dengan Fungsi DLF adalah 52,07 \%.
Hasil penelitian yang telah dilakukan (2020) adalah membandingkan
metode K-Means dengan metode TwoStep untuk memprediksi kategori IPS1
mahasiswa angkatan 2019. Hasilnya untuk mahasiswa JP, didapat Rata-rata
prosentase akurasi prediksi dengan K-Means Clustering adalah 79,25\%
sedangkan rata-rata prosentase akurasi prediksi dengan TwoStep Clustering
adalah 72,50 \%. Sedangkan untuk mahasiswa NJP, rata-rata prosentase akurasi
prediksi dengan K-Means Clustering adalah 94,15\% sedangkan rata-rata
prosentase akurasi prediksi dengan TwoStep Clustering adalah 71,42 \%.
Sehingga dapat disimpulkan untuk prediksi lebih akurat menggunakan K-Means
Clustering daripada TwoStep Clustering},
             url = {https://katalog.ukdw.ac.id/8679/},
        keywords = {TwoStep Clustering, K-Means Clustering, akurasi , Crosstabs}
}