PREDIKSI MUTU PEMBELAJARAN SMK JURUSAN TKJ MENGGUNAKAN ALGORITMA DATA MINING K-MEANS CLUSTERING

Muhammad Mufti Akbar, Raden (2020) PREDIKSI MUTU PEMBELAJARAN SMK JURUSAN TKJ MENGGUNAKAN ALGORITMA DATA MINING K-MEANS CLUSTERING. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	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:	https://eprints.umpo.ac.id/id/eprint/6302

Actions (login required)

View Item