PERBANDINGAN ANTARA K-MEANS DENGAN TWOSTEP CLUSTERING UNTUK PREDIKSI KATEGORI IP MAHASISWA FAKULTAS TEKNOLOGI INFORMASI UKDW

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 (Unpublished)

	Text (Laporan Penelitian Dosen) 97_PENDAHULUAN_KESIMPULAN_DAFTARPUSTAKA.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (Laporan Penelitian Dosen) 97_FULLTEXT.pdf Restricted to Registered users only Download (1MB) | Request a copy

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

Actions (login required)

View Item