Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

K-MEANS UNTUK MENENTUKAN CALON PENERIMA BEASISWA BIDIK MISI DI POLBENG

View through CrossRef
Intisari –   Penyaluran beasiswa bidik misi kepada mahasiswa yang berasal dari keluarga kurang mampu harus melalui seleksi yang melibatkan kriteria-kriteria tertentu. Kriteria tersebut seperti penghasilan orang tua, status kepemilikan rumah, kondisi rumah, jumlah tanggungan orang tua, status orang tua dan prestasi akademik. Algorithma k-means dapat membantu mengklasifikasikan mahasiswa yang sangat layak, layak, dengan pertimbangan dan kurang layak menerima bidik misi. Adapun tujuan penelitian   ini   adalah   menetukan   clustering   pelamar   beasiswa   sehingga   dapat   memberikan rekomendasi sangat layak, layak, dengan pertimbangan dan kurang layak untuk menerima beasiswa dengan 6 kriteria. Data set yang digunakan sebanyak 129 instance yang berasal dari panitia seleksi bidik misi politeknik negeri bengkalis (polbeng). Data-data tersebut dihitung dengan menggunakan algoritma K-Means dan pengujianya dilakukan dengan menggunakan tool Weka. Dari hasil pengujian dihasilkan  sebanyak  17  orang  direkomendasi  dengan  pertimbangan,  24  orang  direkomendasikan sangat layak, 32 orang direkomendasikan layak dan 56 orang direkomendasikan kurang layak. Kata kunci – Klasifikasi, K-Mens, Bidik misi
Title: K-MEANS UNTUK MENENTUKAN CALON PENERIMA BEASISWA BIDIK MISI DI POLBENG
Description:
Intisari –   Penyaluran beasiswa bidik misi kepada mahasiswa yang berasal dari keluarga kurang mampu harus melalui seleksi yang melibatkan kriteria-kriteria tertentu.
Kriteria tersebut seperti penghasilan orang tua, status kepemilikan rumah, kondisi rumah, jumlah tanggungan orang tua, status orang tua dan prestasi akademik.
Algorithma k-means dapat membantu mengklasifikasikan mahasiswa yang sangat layak, layak, dengan pertimbangan dan kurang layak menerima bidik misi.
Adapun tujuan penelitian   ini   adalah   menetukan   clustering   pelamar   beasiswa   sehingga   dapat   memberikan rekomendasi sangat layak, layak, dengan pertimbangan dan kurang layak untuk menerima beasiswa dengan 6 kriteria.
Data set yang digunakan sebanyak 129 instance yang berasal dari panitia seleksi bidik misi politeknik negeri bengkalis (polbeng).
Data-data tersebut dihitung dengan menggunakan algoritma K-Means dan pengujianya dilakukan dengan menggunakan tool Weka.
Dari hasil pengujian dihasilkan  sebanyak  17  orang  direkomendasi  dengan  pertimbangan,  24  orang  direkomendasikan sangat layak, 32 orang direkomendasikan layak dan 56 orang direkomendasikan kurang layak.
 Kata kunci – Klasifikasi, K-Mens, Bidik misi.

Related Results

KARAKTERISTIK MAHASISWA BIDIK MISI PENDIDIKAN TEKNIK OTOMOTIF
KARAKTERISTIK MAHASISWA BIDIK MISI PENDIDIKAN TEKNIK OTOMOTIF
Penelitian ini bertujuan untuk mendeskripsikan karakteristik dan prestasi mahasiswa bidik misi di  jurusan  Pendidikan  Teknik  Otomotif,  Fakultas  Teknik  Universitas  Negeri  Yo...
Pengembangan Sistem Informasi Pengelolaan Beasiswa Politeknik Caltex Riau
Pengembangan Sistem Informasi Pengelolaan Beasiswa Politeknik Caltex Riau
Politeknik Caltex Riau mengelola beberapa beasiswa yang sumber pendanaannya bisa berasal dari pemerintah maupun swasta. Pengelolaan skema beasiswa ini dilakukan secara manual berup...
Implementasi Algoritma SVM dan C4.5 dalam Klasifikasi Calon Penerimaan Beasiswa
Implementasi Algoritma SVM dan C4.5 dalam Klasifikasi Calon Penerimaan Beasiswa
Dalam proses seleksi penerima beasiswa, berbagai kriteria dipertimbangkan secara menyeluruh. Nilai akademik, keadaan ekonomi, dan lainnya adalah beberapa faktor penting yang harus ...
PERANCANGAN SISTEM INFORMASI PENDATAAN CALON PENERIMA BEASISWA BAZNAS KABUPATEN ASAHAN
PERANCANGAN SISTEM INFORMASI PENDATAAN CALON PENERIMA BEASISWA BAZNAS KABUPATEN ASAHAN
Abstract: Poverty is a serious problem in developing countries, including Indonesia, which has an impact on limited access to education. To address this issue, BAZNAS (National Ami...
MODEL BERBASIS K-NEAREST NEIGHBOR DALAM PENENTUAN PENERIMA BEASISWA
MODEL BERBASIS K-NEAREST NEIGHBOR DALAM PENENTUAN PENERIMA BEASISWA
Sistem pengambilan keputusan untuk menentukan penerima beasiswa BBM masih belum optimal yaitu menggunkan sistem seleksi berkas. Setiap ada pengajuan beasiswa yang diajukan mahasisw...
PENERAPAN ANALYTICALl HIERARCHY PROCESS (AHP) DALAM PENENTUAN PENERIMA BEASISWA JALUR KIP-KULIAH
PENERAPAN ANALYTICALl HIERARCHY PROCESS (AHP) DALAM PENENTUAN PENERIMA BEASISWA JALUR KIP-KULIAH
Beasiswa Jalur KIP-kuliah merupakan  tranformasi dari Bidikmisi, beasiswa yang memberikan dalam bentuk bantuan dana pendidikan dan biaya hidup persemester yang diberikan oleh pemer...
Penerapan algoritma FMADM dengan metode MOORA untuk menentukan kelayakan beasiswa pada SMK Muhammadiyah 1 Palembang
Penerapan algoritma FMADM dengan metode MOORA untuk menentukan kelayakan beasiswa pada SMK Muhammadiyah 1 Palembang
Beasiswa merupakan sumber bantuan pembiayaan yang tidak bersumber dari pendanaan sendiri atau dari orang tua, akan tetapi diberikan oleh pemerintah, perusahaan swasta, kedutaan, un...
Sistem Pendukung Keputusan Penerimaan Beasiswa Dengan Metode Simple Additive Weighting (SAW)
Sistem Pendukung Keputusan Penerimaan Beasiswa Dengan Metode Simple Additive Weighting (SAW)
Sistem pendukung keputusan (SPK) penerimaan beasiswa adalah sistem yang membantu pihak pemberi beasiswa untuk menentukan calon penerima beasiswa. Salah satu metode yang dapat digun...

Back to Top