PENILAIAN KINERJA TIM EVALUASI PERIJINAN PEMBUKAAN PROGRAM STUDI DENGAN TEKNIK CLUSTERING K-MEANS

  • Ibnu Akil (1*) Universitas Bina Sarana Informatika

  • (*) Corresponding Author

Abstract

Abstrak: Mengelompokan karyawan atau staff mana yang memiliki kinerja yang baik dengan yang kurang baik bisa jadi hal yang krusial. Evaluasi perijinan program studi memerlukan kinerja tim penilai yang tinggi karenanya perlu dikelompokan mana tim penilai yang kinerjanya baik dan yang kurang baik. Clustering merupakan Teknik data mining yang efektif untuk melakukan pengelompokkan. Clustering termasuk ke dalam unsupervised learning. Salah satu Teknik clustering yang cukup terbukti secara empiris adalah K-Means. Tujuan dari penelitian ini adalah melakukan pengelompokkan tim penilai yang berkinerja tinggi dengan yang biasa saja dengan menggunakan Teknik clustering K-Means, guna meningkatkan atau mempercepat proses evaluasi usulan perijinan Program Studi pada Kementerian Pendidikan dan Kebudayaan.

Downloads

Download data is not yet available.

References

Bora, D. J., & Gupta, A. K. (2014). A Comparative study Between Fuzzy Clustering Algorithm and Hard Clustering Algorithm. International Journal of Computer Trends and Technology, 10(2), 108–113. https://doi.org/10.14445/22312803/ijctt-v10p119

Dabbura, I. (2018). K-means Clustering: Algorithm, Applications, Evaluation Methods, and Drawbacks. Towardsdatascience.Com. https://towardsdatascience.com/k-means-clustering-algorithm-applications-evaluation-methods-and-drawbacks-aa03e644b48a

Grover, N. (2014). A study of various Fuzzy Clustering Algorithms. International Journal of Engineering Research, 3(3), 177–181. https://doi.org/10.17950/ijer/v3s3/310

Hofmann, M., & Klinkenberg, R. (2014). RapidMiner Data Mining Use Cases and Business Analytics Applications. In Taylor & Francis Group. CRC Press.

Irwansyah, E. (2017). Clustering. Socs.Binus.Ac.Id. https://socs.binus.ac.id/2017/03/09/clustering/

Kassambara, A. (2021). PARTITIONAL CLUSTERING IN R: THE ESSENTIALS. Www.Datanovia.Com. https://www.datanovia.com/en/courses/partitional-clustering-in-r-the-essentials/

Kutbay, U. (2016). Partitional Clustering. Intech, i(tourism), 13.

Pulkit, S. (2019). The Most Comprehensive Guide to K-Means Clustering You’ll Ever Need. AnalyticsVidhya.

Seif, G. (2018). The 5 Clustering Algorithms Data Scientists Need To Know. Towardsdatascience.Com. https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68

Soni, N., & Ganatra, A. (2012). Comparative study of several Clustering Algorithms. International Journal of Advanced Computer Research (ISSN (Print): 2249-7277 ISSN (Online): 2277-7970), 7(4), 2–6.

Steinbach, M., Karypis, G., & Kumar, V. (2013). Comparison of Document Clustering Techniques. Researchgate, April 2013, 75–78. http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=4721382
Published
2021-08-05
How to Cite
Akil, I. (2021). PENILAIAN KINERJA TIM EVALUASI PERIJINAN PEMBUKAAN PROGRAM STUDI DENGAN TEKNIK CLUSTERING K-MEANS. INTI Nusa Mandiri, 16(1), 1-6. https://doi.org/10.33480/inti.v16i1.2271
Article Metrics

Abstract viewed = 241 times
PDF downloaded = 295 times