<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW"^^ . "Model Prediksi yang dilakukan untuk penelitian ini dibagi menjadi dua\r\njenis, yaitu model prediksi Indeks Prestasi Semester 1 (IPS1) untuk Mahasiswa\r\nJalur Prestasi (JP) dan Mahasiswa Non Jalur Prestasi (NJP). Model prediksi untuk\r\nJP menggunakan 4 variabel ( Status SMA, Lokasi SMA, Kategori SMA , Level\r\nBahasa Inggris) , sedangkan model untuk NJP menggunakan 8 variabel yaitu 4\r\nvariabel diatas yang ditambah dengan hasil tes kemampuan Spatial, hasil tes\r\nkemampuan Verbal, hasil tes kemampuan Numerik dan hasil tes kemampuan\r\nAnalogi .\r\nPada penelitian tahun yang lalu (2019) telah dilakukan perbandingan\r\nakurasi antara model dengan K-Means Clustering dan model fungsi Discriminant\r\nLinier Fisher (DLF) untuk memprediksi kategori indeks prestasi mahasiswa FTI\r\nUKDW. Hasilnya ternyata akurasi prediksi fungsi DLF lebih rendah daripada\r\nmodel K-Means Clustering. Untuk mahasiswa Jalur Prestasi (JP) Rata-rata\r\nprosentase akurasi prediksi dengan K-Means Clustering adalah 78,28%\r\nsedangkan rata-rata prosentase akurasi prediksi dengan Fungsi DLF adalah 58,62\r\n%. Sedangkan untuk mahasiswa Non Jalur Prestasi (NJP) rata-rata prosentase\r\nakurasi prediksi dengan K-Means Clustering adalah 94,61% sedangkan rata-rata\r\nprosentase akurasi prediksi dengan Fungsi DLF adalah 52,07 %.\r\nHasil penelitian yang telah dilakukan (2020) adalah membandingkan\r\nmetode K-Means dengan metode TwoStep untuk memprediksi kategori IPS1\r\nmahasiswa angkatan 2019. Hasilnya untuk mahasiswa JP, didapat Rata-rata\r\nprosentase akurasi prediksi dengan K-Means Clustering adalah 79,25%\r\nsedangkan rata-rata prosentase akurasi prediksi dengan TwoStep Clustering\r\nadalah 72,50 %. Sedangkan untuk mahasiswa NJP, rata-rata prosentase akurasi\r\nprediksi dengan K-Means Clustering adalah 94,15% sedangkan rata-rata\r\nprosentase akurasi prediksi dengan TwoStep Clustering adalah 71,42 %.\r\nSehingga dapat disimpulkan untuk prediksi lebih akurat menggunakan K-Means\r\nClustering daripada TwoStep Clustering"^^ . "2020-11-07" . . . . "Program Studi Informatika, Universitas Kristen Duta Wacana"^^ . . . . . . . . . . . "Yuan Lukito"^^ . ""^^ . "Yuan Lukito "^^ . . "WILDAN KRISTIAN MAHARDIKA"^^ . ""^^ . "WILDAN KRISTIAN MAHARDIKA "^^ . . "R. Gunawan Santosa"^^ . ""^^ . "R. Gunawan Santosa "^^ . . . . . . "PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW (Text)"^^ . . . "PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW (Text)"^^ . . . "PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW (Other)"^^ . . . . . . "PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW (Other)"^^ . . . . . "HTML Summary of #8679 \n\nPERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW\n\n" . "text/html" . . . "T Teknologi (Umum)"@id . .