Penerapan Metode Fuzzy C-Means dalam Pemilihan Program Studi Mahasiswa Baru di Perguruan Tinggi

Rajib Ghaniy - [ https://orcid.org/0000-0003-2593-5593 ]
Fani Indriyaningsih

Abstract

Calon mahasiswa baru mengalami kesulitan saat memilih program studi yang sesuai dengan kemampuan mereka. Proses pemilihan program studi sendiri terkadang banyak pengaruh dari luar seperti di pengaruhi oleh teman, orang tua dll. Padahal dalam pemilihan program studi ini harus di pertimbangkan sebaik mungkin karena akan mempengaruhi prestasi akademik calon mahasiswa selama 4 (empat) tahun kedepan. Solusi dari permasalahan tersebut dikembangkanlah sebuah sistem informasi penentuan pilihan program studi dengan menerapkan metode Fuzzy C-Means. Metode Fuzzy C-Means tersebut untuk mengelompokkan calon mahasiswa baru sesuai dengan kemampuan dan hasil test. Clustering dengan metode Fuzzy C-Means (FCM) didasarkan pada teori logika fuzzy. Dalam teori fuzzy, keanggotaan sebuah data tidak diberikan nilai secara tegas nilai 1 (menjadi anggota) dan 0 (tidak menjadi anggota), melainkan dengan suatu nilai derajat keanggotaan yang jangkauan nilainya 0 sampai 1. Berdasarkan penerapan Fuzzy C-Means menggunakan 40 data dengan jumlah cluster sebanyak 2, pemangkat atau pembobot sebanyak 2, maksimal iterasi sebanyak 100, error terkecil sebanyak 10-5 diperoleh rekomendasi pilihan program studi dengan hasil kevalidan clustering sebesar 0,5055. Diperoleh hasil persentase kelayakan ahli materi sebesar 100% dan hasil persentase kelayakan pengguna sebesar 89%, maka terkait sistem yang dikembangkan dapat dikategorikan ke dalam interpretasi yang “Sangat Layak”.

Keywords

fuzzy c-means; data mining; clustering; kelayakan

References

Arikunto, Suharsimi. (2009). Manajemen Penelitian, edisi Revisi. Jakarta: Rineka Cipta.

Abdullah, Dahlan. (2017). Merancang Aplikasi Perpustakaan Menggunakan SDLC. SEA BUMI PERSADA. Medan

AVISON, D. and FITZGERALD, G. (2013). "Information Systems Development: Methodologies, Techniques and Tools", McGraw-Hill, 3rd edition

Dennis. A, Wixom. B, and Roth. R. (2006). System Analysis and Design. John Wiley and Sons, Inc pp. 171-209

Deka dkk. Klasterisasi Judul Buku Dengan Menggunakan Metode K-Means. Universitas Islam Indonesia

Efiyah, Uum. (2014). Penerapan Algoritma Fuzzy C-Means Untuk Pengelompokkan Harga Gabah Di Tingkat Penggilingan Berdasarkan Kualitas Gabah. Universitas Negeri Islam Maulana Malik Ibrahim. Malang

International Standard ISO 9241-11. (2018)

Jamhur, Hardi. "Pemodelan Prediksi Predikat Kelulusan Mahasiswa Menggunakan Fuzzy C-Means Berbasis Particle Swarm Optimization." Teknois, vol. 10, no. 1, May. 2020, pp. 13-24, doi:10.36350/jbs.v10i1.79.

Kusumadewi, Sri. (2007). Klasifikasi Kandungan Nutrisi Bahan Pangan Menggunakan Fuzzy C-Means. Universitas Islam Negeri Yogyakarta, Yogyakarta

Kusumadewi, S., Purnomo, H., (2010), Aplikasi Logika Fuzzy untuk Pendukung Keputusan edisi 2, Graha Ilmu, Yogyakarta.

Kusumadewi, Sri. Hari Purnomo. (2013). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Graha Ilmu. Yogyakarta

Mcleod Raymon, P. Schell Jr. George. (2007). Management Information Systems. Dorling Kindersley. India

Pressman, RS. (2010). Rekayasa Perangkat Lunak Pendekatan Praktis (Buku 1), Sofware Engenering : A Practioner’s Approch. Yogyakarta

Purbasari, D. (2012). Sistem Pendukung Keputusan Penentuan Penerima Beasiswa Menggunakan Metode Fuzzy Clustering Means. Pekanbaru. Teknik Informatika UIN Suska Riau.

Pressman, RS. (2012). Rekayasa Perangkat Lunak. Yogyakarta: Andi.

Prasetyo, Eko. (2014). Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab. CV ANDI OFFSET. Yogyakarta.

Prasetyo Budi. Kajian Tentang Metodologi Pengembangan Sistem Informasi.

Rosalinda, Sayyidatul Eka Putri. (2018) Evaluasi Usability Sistem Informasi Managemen Kepegawaian UIN Sunan Ampel Surabaya Berbarsis ISO 9241-11. Surabaya

Sugiyono. (2015). Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif dan R&D. Alfabeta. Bandung

Yedla, Madhu dkk. Enchancing K-Means Clustering Algorithm With Improved Initial Center. National Institute of Technology Calicut

Article metrics

Abstract views : 450 | views : 333

Refbacks

  • There are currently no refbacks.