PENERAPAN DATA MINING UNTUK MEMPREDIKSI SISWA BERPRESTASIDI SD NEGERI 103 KOTA BENGKULU

ERLAN NOVI JAYANTO, ERLAN (2020) PENERAPAN DATA MINING UNTUK MEMPREDIKSI SISWA BERPRESTASIDI SD NEGERI 103 KOTA BENGKULU. Skripsi thesis, UNIVERSITAS DEHASEN BENGKULU.

[img] Text
ERLAN NOVI JAYANTO SI.docx
Download (52kB)

Abstract

Datamining adalahproses yang menggunakanteknikstatistik,matematika,kecerdasanbuatan, danmachine learninguntukmengekstraksidanmengidentifikasiinformasiyangbermanfaatdanpengetahuanyang terkaitdariberbagai databasebesar.Istilahdata miningmemilikihakikatsebagaidisiplinilmuyang tujuanutamanyaadalahuntukmenemukan, menggali, ataumenambahpengetahuandaridataatauinformasiyangkitamiliki. Rumusan masalah dalam penelitian ini adalah bagaimanamembuatdan merancang sebuah aplikasi untukmemprediksikaryawan yang cendrungatauberpotensidropout di SDN 103 City BengkuluNusantara dengan mengaplikasikanmetode K-Means. Tujuan yang ingindicapaiolehpenulisadalahmenghasilkanprediksipotensialterhadapkaryawan yang cendrungdrop outdan agar karyawanmampumentaatiperaturan yang adadenganmenggunakanTeknikData Mining.Penelitianinidilaksanakan di SDN 103 City BengkuluNusantara Jl. SoekarnoHatta no. 20 Kel.AnggutAtas Bengkulu Telp :( 031) 5031383, danpenelitianinimembutuhkanwaktu ± 1 bulandalammenyelesaikanpenelitianini. Metode yang di gunakan dalam penelitian ini yaitu dengan metode K-means yang merupakan metode data mining yang melakukan proses pemodelantanpasupervisi(unsupervised)danmerupakansalahsatumetode yang melakukanpengelompokan data dengansistempartisi. MetodeK-Meansberusahamengelompokkan data yang adakedalambeberapakelompok, dimana data dalamsatukelompokmempunyaikarakteristik yang samasatusamalainnyadanmempunyaikarakteristik yang berbedadengan data yang adadidalamkelompok yang lain.

Item Type: Thesis (Skripsi)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > Program Studi Sistem Informasi
Depositing User: Jeffry Adi Nugraha
Date Deposited: 30 Sep 2022 07:50
Last Modified: 30 Sep 2022 07:50
URI: http://repository.unived.ac.id/id/eprint/630

Actions (login required)

View Item View Item
UNIVED Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.