IMPLEMENTASI METODE K-MEANS CLUSTERING TUNGGAKAN UANG KULIAH PADA STMIK ROYAL KISARAN
Abstract
Uang kuliah adalah biaya kuliah yang perlu dibayarkan oleh mahasiswa setiap semesternya secara mandiri, lebih tepatnya di sebut dengan SPP (Sumbangan Pembinaan Pendidikan). STMIK Royal adalah perguruan tinggi swasta yang bergerak dibidang komputer yang memiliki jumlah mahasiswa lebih kurang 2535 mahasiswa yang aktif, yang memiliki tunggakan kuliah sebesar Rp. 399.720.500 untuk semester 1 program studi sistem informasi. Hal tersebut mengakibatkan bagian administrasi kesulitan untuk membuat laporan tunggakan uang kuliah berdasarkan kelas dan semesternya. Pada penelitian ini metode yang digunakan adalah K-Means Clustering diambil dari 17 kelas semester 1 dengan menghitung tunggakan uang kuliah dari termin 1, termin 2, termin 3, dan termin 4 untuk dilakukan pengelompolan data dengan ketentuan 3 cluster yaitu tunggakan tertinggi, tunggakan sedang, dan tunggakan terendah. Hasil dari penelitian dan pengelompokan data dengan metode K-Means Clustering dari 3 cluster yang ditentukan terdapat 3 kelas dengan tunggakan tertinggi, 9 kelas tunggakan sedang, dan 2 kelas tunggakan terendah.Â
Full Text:
PDFReferences
Ananda, L. R. (2018). Clustering Untuk Menentukan Calon Mahasiswa Berprestasi. Jiti, 1(2), 16–19.
Metisen, B. M., & Sari, H. L. (2015). Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila. Jurnal Media Infotama, 11(2), 110–118.
Muningsih, E., & Kiswati, S. (2015). Penerapan Metode K-Means untuk Clustering Produk Online Shop dalam Penentuan Stok Barang. Jurnal Bianglala Informatika, 3(1), 10–17.
Purba, L. P., Hartama, D., Irawan, E., & Wanto, A. (2019). Memprediksi Faktor Tunggakan Uang Kuliah Menggunakan Metode Naive Bayes. Prosiding Seminar Nasional Riset Information Science (SENARIS), 1(September), 298. https://doi.org/10.30645/senaris.v1i0.35
Rahmadani, N., & Kurniawan, E. (2020). Implementasi Metode K-Means Clustering Tunggakan Rekening Listrik pada PT . PLN ( Persero ) Gardu Induk Kisaran. J-SISKO TECH, 3(1), 103–117.
Risnawati, R., & Rohminatin, R. (2020). K-MEANS CLUSTERING HWI PRODUCTS (Case Study: HWI Kisaran Distributor). International Conference on …, 4509, 27–36. https://jurnal.stmikroyal.ac.id/index.php/ICoSSIT/article/view/824
Rohman, A., & Rochcham, M. (2019). Komparasi Metode Klasifikasi Data Mining Untuk Prediksi Kelulusan Mahasiswa. Neo Teknika, 5(1), 23–29. https://doi.org/10.37760/neoteknika.v5i1.1379
Wijayanti, S., Azahari, & Andrea, R. (2017). K-Means cluster analysis for students graduation (case study: STMIK widya cipta dharma). ACM International Conference Proceeding Series, Part F1296, 20–23. https://doi.org/10.1145/3108421.3108430
DOI: https://doi.org/10.54314/jssr.v5i1.827
Article Metrics
Abstract view : 55 timesPDF - 22 times
