scholarly journals Implementasi Metode K-Means Clustering Dalam Sistem Pemilihan Jurusan Di SMK Swasta Harapan Baru

2019 ◽  
Vol 2 (2) ◽  
pp. 43
Author(s):  
Yerianus Lase ◽  
Erwin Panggabean
Keyword(s):  

SMK Swasta Harapan Baru memiliki dua jurusan yang dapat dipilih oleh siswa/siswinya, yaitu jurusan Teknik Kendaraan Ringan (TKR) dan jurusan Rekayasa Perangkat Lunak (RPL). Pemilihan jurusan merupakan hak dari siswa/siswi, namun kesalahan pemilihan jurusan dapat menyebabkan penurunan motivasi belajar dan rendahnya prestasi siswa/siswi. Permasalahan ini dapat diselesaikan dengan menggunakan metode K-Means Clustering. Proses pengelompokan data ini dilakukan berdasarkan kemiripan data antar kelompok pada titik tengah (cluster) dari 2 jurusan. Means merupakan metode yang membutuhkan parameter input sebanyak K dan membagi sekumpulan n objek ke dalam K cluster sehingga tingkat kemiripan antar anggota dalam suatu cluster tinggi, sedangkan tingkat kemiripan dengan anggota pada cluster lain sangat rendah. Setiap data siswa dihitung jarak kedekatannya dengan centroid dari masing-masing jurusan, setelah itu dilakukan update terhadap nilai centroid berdasarkan nilai rata-rata dari masing-masing kelompok. Bila nilai centroid masih berubah, maka dilakukan perhitungan jarak ulang hingga nilai centroid tidak berubah, dan data clustering stabil. Hasil penelitian adalah aplikasi dapat digunakan untuk membantu proses pemilihan jurusan pada siswa SMK Swasta Harapan Baru secara otomatis, sehingga dapat membantu siswa/siswi yang masih bingung dengan pemilihan jurusan dan dapat menghindari kesalahan dalam pemilihan jurusan.                  

2018 ◽  
Vol 6 (2) ◽  
pp. 176-183
Author(s):  
Purnendu Das ◽  
◽  
Bishwa Ranjan Roy ◽  
Saptarshi Paul ◽  
◽  
...  

2020 ◽  
pp. 49-52
Author(s):  
M.R. Dulkarnaev ◽  
◽  
R.R. Yunusov ◽  
I.V. Ryabov ◽  
P.Yu. Lobanov ◽  
...  

2012 ◽  
Vol 38 (7) ◽  
pp. 1190 ◽  
Author(s):  
Yu PENG ◽  
Qing-Hua LUO ◽  
Dan WANG ◽  
Xi-Yuan PENG

Mathematics ◽  
2021 ◽  
Vol 9 (7) ◽  
pp. 786
Author(s):  
Yenny Villuendas-Rey ◽  
Eley Barroso-Cubas ◽  
Oscar Camacho-Nieto ◽  
Cornelio Yáñez-Márquez

Swarm intelligence has appeared as an active field for solving numerous machine-learning tasks. In this paper, we address the problem of clustering data with missing values, where the patterns are described by mixed (or hybrid) features. We introduce a generic modification to three swarm intelligence algorithms (Artificial Bee Colony, Firefly Algorithm, and Novel Bat Algorithm). We experimentally obtain the adequate values of the parameters for these three modified algorithms, with the purpose of applying them in the clustering task. We also provide an unbiased comparison among several metaheuristics based clustering algorithms, concluding that the clusters obtained by our proposals are highly representative of the “natural structure” of data.


2021 ◽  
pp. 107996
Author(s):  
Shudong Huang ◽  
Zhao Kang ◽  
Zenglin Xu ◽  
Quanhui Liu

Sign in / Sign up

Export Citation Format

Share Document