Detail Tugas Akhir

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.

Berkas Tugas Akhir

PDF
Text
HALAMAN DEPAN.pdf
Baca PDF Ukuran File (1MB)
PDF
Text
BAB I.pdf
Baca PDF Ukuran File (156kB)
PDF
Text
BAB II.pdf
Baca PDF Ukuran File (567kB)
PDF
Text
BAB III.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (693kB)
PDF
Text
BAB IV.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (1MB)
PDF
Text
BAB V.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (141kB)
PDF
Text
DAFTAR PUSTAKA.pdf
Baca PDF Ukuran File (161kB)
PDF
Text
Lampiran.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (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.

Informasi Item

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
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
View Item
Ada yang bisa kami bantu?