Muhammad Mufti Akbar, Raden (2020) PREDIKSI MUTU PEMBELAJARAN SMK JURUSAN TKJ MENGGUNAKAN ALGORITMA DATA MINING K-MEANS CLUSTERING. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.
![[img]](http://eprints.umpo.ac.id/style/images/fileicons/text.png) |
Text
HALAMAN DEPAN.pdf Download (1MB) |
|
Text
BAB I.pdf Download (156kB) |
|
Text
BAB II.pdf Download (567kB) |
|
Text
BAB III.pdf Restricted to Registered users only Download (693kB) |
|
Text
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text
BAB V.pdf Restricted to Registered users only Download (141kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (161kB) |
|
Text
Lampiran.pdf Restricted to Registered users only Download (437kB) |
Abstract
Perlunya prediksi mutu pembelajaran di jurusan TKJ kelas XII SMKN 1 Slahung ini dilakukan karena belum adanya prediksi untuk mutu pembelajaran dengan algoritma data mining kmeans clustering di sekolahan tersebut. Dari masalah tersebut penulis memberikan solusi dengan penerapan prediksi yang menggunakan data siswa kelas XII TKJ, serta data nilai saat mereka kelas XI untuk mengetahui kemampuan siswa pada semester sebelumnya sebagai perbandingan ke semester yang akan datang dan saat ini ini. Dalam penelitian ini data tersebut diolah menggunakan algoritma kmeans clustering dengan software R studio yang menggunakan bahasa pemrograman R, serta menghasilkan jarak sebagai output prediksi mutu pembelajaran pada saat kelas XI. Dalam hasil penelitian ini dijadikan sebagai penelitian bagi sekolahan yang nantinya bisa membandingkan perkembangan mutu pembelajaran antara semester lalu ke semester yang akan datang maupun saat ini.
| Item Type: | Thesis (Skripsi (S1)) |
|---|---|
| Uncontrolled Keywords: | Siswa, Kmeans Clustering, Software, R, Rstudio |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering > Department of Informatic Engineering |
| Depositing User: | Library Umpo |
| Date Deposited: | 24 Mar 2021 01:39 |
| Last Modified: | 24 Mar 2021 01:39 |
| URI: | http://eprints.umpo.ac.id/id/eprint/6302 |
Actions (login required)
 |
View Item |
