CLUSTERISASI TINGKAT PERSEPSI MAHASISWA PADA MATA KULIAH E-BISNIS
DOI:
https://doi.org/10.54314/jssr.v6i3.1490Abstract
E-Bisnis merupakan transaksi atau kegiatan bisnis maupun usaha yang dilakukan secara otomatis dengan memanfaatkan jaringan komputer dan tekologi internet.
.Transaksi bisnis mencakup banyak bidang yang dapat dilakukan seperti transfer finansial, pembelian dan penjualan barang, promosi dan pengiriman informasi tentnag perjanjian kerja sama bisnis. Mata kuliah E-Bisnis merupakan mata kuliah wajib yang di pelajari oleh mahasiswa STMIK Royal khususnya mahasiswa semester 7. Dengan adanya mata kuliah e bisnis ini mahasiswa dapat mengetahui bagaimana menjalankan usaha maupun bisnis dengan baik pada era digital saat ini. Untuk melihat sejauh mana tingkat kemampuan mahasiswa yang tergolong beragam terhadap mata kuliah E-bisnis tersebut, maka diperlukan clustering atau pengelompokan berdasarkan tingkat pemahaman mahasiswa dalam memahami mata kuliah tersebut yang mana dengan adanya clustering ini dapat membantu mengukur tingkat pemahaman mahasiswa terhadap mata kuliah E-Bisnis. Penelitian ini menggunakan teknik data mining dengan metode K-Means Clustering untuk mengetahui persebaran tingkat pemahaman mahasiswa terhadap mata kuliah E-Bisnis. Tujuan penelitian ini untuk melihat sejauh mana tingkat keberhasilan mata kuliah E-Bisnis yang dicanangkan lewat hasil pembelajaran satu semester dan menjadikan hasil clustering tersebut sebagai tolak ukur untuk mengembangkan mata kuliah tersebut dan menjadi bahan evaluasi bagi mahasiswa yang tidak memahami mata kuliah tersebut.Downloads
References
Agustin, W. (2018). Penerapan Metode Clustering K-Means dan Metode Six Sigma untuk Mengetahui Tingkat Minat Baca Mahasiswa (Studi Kasus : STMIK – AMIK Riau). SATIN - Sains Dan Teknologi Informasi, 3(1), 22–31. https://doi.org/10.33372/stn.v3i1.350
Aziz, F. N. R. F. J., Setiawan, B. D., & Arwani, I. (2018). Implementasi Algoritma K-Means untuk Klasterisasi Kinerja Akademik Mahasiswa. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(6), 2243–2251.
Destriana, R. (2019). Analisis Dan Perancangan E-Bisnis Dalam Budidaya Dan Penjualan Ikan Cupang Menggunakan Metodelogi Overview. JIKA (Jurnal Informatika), 3(1), 51–58. https://doi.org/10.31000/jika.v3i1.2045
Maulana, I., & Rosalina, U. (2020). Clustering Data Nilai Ujian Akhir Semester Menggunakan Algoritma Data Mining K-Means. PERISKOP : Jurnal Sains Dan Ilmu Pendidikan, 1(2), 76–85. https://doi.org/10.58660/periskop.v1i2.10
Maulidiya, H., & Jananto, A. (2020). Asosiasi Data Mining Menggunakan Algoritma Apriori dan FP-Growth sebagai Dasar Pertimbangan Penentuan Paket Sembako. Proceeding SENDIU 2020, 6, 36–42.
Suhanda, Y., Kurniati, I., & Norma, S. (2020). Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik. Jurnal Teknologi Informatika Dan Komputer, 6(2), 12–20. https://doi.org/10.37012/jtik.v6i2.299
Tobing, S. M. (2019). Pemanfaatan Internet Sebagai Media Informasi Dalam Kegiatan Belajar Mengajar Pada Mata Kuliah Pendidikan Pancasila. JURNAL PEKAN : Jurnal Pendidikan Kewarganegaraan, 4(1), 64–73. https://doi.org/10.31932/jpk.v4i1.376
