eprintid: 8679
rev_number: 8
eprint_status: archive
userid: 11
dir: disk0/00/00/86/79
datestamp: 2024-07-29 03:49:28
lastmod: 2024-07-29 03:49:28
status_changed: 2024-07-29 03:49:28
type: monograph
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: , R. Gunawan Santosa
creators_name: , Yuan Lukito
creators_id: 0523116701
creators_id: 0505078102
contributors_type: http://www.loc.gov/loc.terms/relators/RTM
contributors_name: , WILDAN KRISTIAN MAHARDIKA
title: PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW
ispublished: unpub
subjects: T1
full_text_status: restricted
monograph_type: project_report
keywords: TwoStep Clustering, K-Means Clustering, akurasi , Crosstabs
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
date: 2020-11-07
publisher: Program Studi Informatika, Universitas Kristen Duta Wacana
place_of_pub: Yogyakarta
pages: 86
institution: Universitas Kristen Duta Wacana
department: Informatika
referencetext: Alverina, D., Chrismanto, A. R., & Santosa, R. G. (2018). Perbandingan Akurasi Algoritma C4.5
dan CART dalam Memprediksi Kategori Indeks Prestasi Mahasiswa. Jurnal Teknologi dan
Sistem Komputer Volume 6 , No. 2 April 2018 , 76-83.
Baker, R., & Yacef, K. (2009). The State of Educational Data Mining in 2009 : A review and
Future Visions. Journal of Educational Data Mining , I(1)
Bhattachryya, G. K., & Johnson, R. A. (2010). Statistical Principles and Methods 6th edition.
John Wiley & Sons, Inc.
Campbell, J., & Oblinger, O. (2007). Academic Analytics. Washington: DC: Educause.
Cho, J., & Kim, S. (2009). Highway Characteristic Classification Using TwoStep Clustering
Algorithm : Methodology and Case Study in Korea. Proceedings of The Eastern Asia Society for
Transportation.
Dwipurwani, O. (2013). Penerapan Metode TwoStep Cluster Analysis (TCA) pada
Pengelompokan Mahasiswa Matematika MIPA UNSRI Berdasar Cara Belajar. Prosiding
Semirata FMIPA Universitas Lampung , (pp. 417-422). Lampung .
Han, J., Kamber, M., & Pei, J. (2011). Data Mining : Concepts and Techniques. Morgan
Kaufmann Publishers.
Hardle, W. K., & Simar, L. (2015). Applied Multivariate Statistical Analysis 4th edition. Berlin:
Springer-Verlag Berlin Heidelberg.
Kantardzic, M. (2003). Data Mining Concepts, Models, Methods and Algorithms. IEEE Press
and Wiley-Interscience.
Kashwan, K. R., & Velu, C. M. (2013). Customer Segmentation Using Clustering and Data
Mining Techniques. International Journal of Cumputer Theory and Engineering Vol.5 No. 6
December 2013 , 856-861.
Larose, D. T., & Larose, C. D. (2014). Discovering Knowledge in Data: Introduction to Data
Mining Second edition. John Wiley & Sons, Inc.
Mongi, C. E. (2015). Penggunaan Analisis TwoStep Clustering untuk Data Campuran.
d'Cartesian : Jurnal Matematika dan Aplikasi Vol. 4 No. 1 Maret 2015 , 9-19.
Moroke, N. D. (2015). A TwoStep Clustering ALgorithm as Applied to Crime Data of South
Africa. Corporate Ownership & Control Volume 12, issue 2, winter 2015 , 482-490.
Rencher, A. C. (2002). Methods of Multivariate Analysis Second edition. John Wiley & Sons,
Inc. Publication.
Santosa, R. G., Chrismanto, A. R., & Kurniawan, E. (2020). Analisis Cluster Terhadap
Karakteristik Mahasiswa Jalur Prestasi UKDW. Jurnal Edukasi & Penelitian Informatika
(JEPIN) Vol.6, No.1, April 2020 , 13-22.
Satish, S. M., & Bharadhwaj, S. (2010). Information Search Behaviour Among New Car Buyer.
IIMB Management Review(2010) 22 , 5-15.
Schiopu, D. (2010). Applying TwoStep Cluster Analysis for Identifying Bank Customers'
Profile. BULETINUL , 66-75.
Setiyawati, N., & Bangkalang, D. H. (2020). Penerapan Metode Two-Step Cluster dalam
Analisis Menu Engineering pada Usaha Kuliner . Jurnal Teknologi Informasi dan Ilmu
Komputer (JTIIK) Vol. 7, No. 2, April 2020 , 359-366.
Singh, M., Rani, A., & Sharma, R. (2014). An Optimised Approach For Student's Academic
Performance By K-Means Clustering Algorithm Using Weka Interface. International Journal of
Advanced Computational Engineering and Netrworking ISSN 2320-2106, Volume-2, Issue-7 July
2014 , 2-9.
Swarbrick, B. (2012). Multivariate Data Analysis for Dummies CAMO Software Special edition.
John Wiley & Sons, LTD Chichester.
Trpkova, M., & Tevdovski, D. (2007). Challenges for Analysis of The Economy, The Bussinesses
and Social Progress. Makedonia.
Wardhani, A. K. (2016). K-Means Algorithm Implementation for Clustering of Patients Disease
in Kajen Clinic of Pekalongan. Jurnal TRANSFORMATIKA Volume 14 Nomor 1, July 2016 , 30-
37.
funders: gunawan@staff.ukdw.ac.id
citation:   R. Gunawan Santosa and Yuan Lukito  (2020) PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW.  Research Report (Lecturer). Program Studi Informatika, Universitas Kristen Duta Wacana, Yogyakarta.    (Unpublished)  
document_url: https://katalog.ukdw.ac.id/8679/1/97_PENDAHULUAN_KESIMPULAN_DAFTARPUSTAKA.pdf
document_url: https://katalog.ukdw.ac.id/8679/2/97_FULLTEXT.pdf