Implementasi Clastering Nilai Mahasiswa Menggunakan Metode Max-Max Roughness

Arigi, Oktora Kevin (2017) Implementasi Clastering Nilai Mahasiswa Menggunakan Metode Max-Max Roughness. Tugas Akhir thesis, Universitas Teknologi Yogyakarta.

Text Naskah Publikasi.docx Download (923kB)

Abstract

Klasterisasi teks mempunyai salah satu permasalahan utama dalam mengklasifikasikan teks yang mempunyai sifat uncertain atau sulit dikategorikan. Proses dalam klasterisasi data, banyak metode dan algoritma yang bisa digunakan, seperti algoritma K-means, C-means dan masih banyak yang lainnya. Namun metode tersebut hanya metode dengan data numerik. Tujuan klasterisasi adalah mengelompokkan data ke dalam suatu klaster, sehingga data pada suatu klaster memiliki tingkat kemiripan yang maksimum dan data antar kluster memiliki kemiripan yang minimum. Pengelompokkan data kedalam beberapa klaster dapat digunakan untuk mengambil keputussan. Hasil keputusan salah satunya bisa digunakan sebagai acuan dalam proses menentukan kebutuhan pembelajaran sehingga proses belajar lebih efektif. Salah satu metode yang dapat digunakan dalam proses clustering dengan data nilai mahasiswa adalah Max-Max Roughness(MMR). MMR menggunakan teori rough set, dari data yang disajikan menggunakan teori rough set dipetakan kedalam tabel keputusan dengan memperkenalkan atribut keputusan. Value suatu atribut, yang memiliki nilai mean roughness maksimum, akan digunakan sebagai dasar dalam membentuk klaster. Dalam penerapan metode MMR data yang digunakan diambil dari mahasiswa Teknik Informatika Universitas Teknologi Yogyakarta. Berdasrkan hasil penerapan metode MMR dengan data nilai mahasiswa Teknik Informatika didapatkan hasil bahwa metode MMR dapat digunakan dalam pengelompokkan data bersifat kategori. Hasil menunjukkan bahwa atribut yang dominan pada atribut lain dapat ditentukan.

Item Type:	Thesis (Skripsi, Tugas Akhir or Kerja Praktek) (Tugas Akhir)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Sains Dan Teknologi > S1 Informatika
Depositing User:	INF FTIE-UTY
Date Deposited:	11 Jan 2018 06:53
Last Modified:	11 Jan 2018 06:53
URI:	http://eprints.uty.ac.id/id/eprint/692

Actions (login required)

View Item