SISTEM PENDUKUNG KEPUTUSAN PENENTUAN UANG KULIAH TUNGGAL MAHASISWA DENGAN METODE FUZZY C-MEANS (STUDI KASUS INSTITUT TEKNOLOGI KALIMANTAN)

Miftaqul Wulandariyaningsih, Abrari Noor Hasmi, Sigit Pancahayani

Sari


Salah satu hal yang dibutuhkan untuk menunjang perkuliahan di Perguruan Tinggi termasuk Institut Teknologi Kalimantan (ITK) adalah Uang Kuliah Tunggal (UKT). UKT merupakan biaya yang dikenakan kepada setiap mahasiswa dalam proses pembelajaran dan wajib dibayarkan penuh oleh mahasiswa pada setiap semester. Penetapan besaran UKT bertujuan memberikan kemudahan untuk memprediksi pengeluaran biaya kuliah mahasiswa yang ditetapkan dengan beberapa pertimbangan kemampuan ekonomi setiap mahasiswa yang penetapannya seharusnya tidak memberatkan mahasiswa maupun pihak kampus. Beranjak dari permasalahan ini digunakan metode Fuzzy C-Means untuk mengelompokkan data yang memiliki kesamaan karakteristik menjadi satu klaster sehingga diharapkan hasil penentuan UKT dengan Fuzzy C-Means dapat sesuai dengan keadaan ekonomi setiap mahasiswa. Metode Fuzzy C- Means sangat cocok digunakan untuk mengolah data dengan dimensi yang besar. Berdasarkan hasil penelitian data dibagi menjadi tiga versi. Data pada masing-masing versi diklasterisasi kedalam 8 klaster golongan UKT. Dari keseluruhan perhitungan diperoleh hasil klasterisasi paling akurat jika dibandingkan dengan hasil data aktual ITK terdapat pada versi 3 dengan akurasi sebesar 51, 06%. Penentuan UKT dengan menggunakan metode Fuzzy C-Means dapat memberikan alternatif lain pada penentuan UKT dengan metode yang berbeda untuk ITK.

Teks Lengkap:

PDF

Referensi


Benediktus, N., & Oetama, R. S. (2020). Algoritma klasifikasi decision tree c5.0 untuk memprediksi performa akademik siswa. 14 ULTIMATICS, 12(1). https://www.kaggle.com/aljarah/xAPI-Edu-Data

Hadi, F. (2017). Penerapan data mining dalam menganalisa pemberian pinjaman dengan menggunakan metode algoritma c5.0 (studi kasus: koperasi jasa keuangan syariah kelurahan lambung bukik). Jurnal Komputer Teknologi Informasi, 4(2), 214–223.

Hutabarat, C. (2018). Penerapan data mining untuk memprediksi permintaan produk kartu perdana internet menggunakan algoritma c5.0 (studi kasus: vidha ponsel). Jurnal Pelita Informatika, 6(4), 419–424.

Itiqomah, F., Susanti, Y., & Zukhronah, E. (2019). Klasifikasi status kredit nasabah bmt menggunakan algoritma c5.0. Seminar & Conference Procedings, 73–78. http://jurnal.umt.ac.id/index.php/cpu/article/view/1684

Jalil, A., & Kasnelly, S. (2020). Meningkatnya angka pengangguran ditengah pandemi (covid-19). Al-Mizan : Jurnal Ekonomi Syariah, 3(1), 45–60. http://www.ejournal.an-nadwah.ac.id/index.php/almizan/article/view/142

Kastawan, P. W., Wiharta, D. M., & Sudarma, M. (2018). Implementasi algoritma c5.0 pada penilaian kinerja pegawai negeri sipil. Majalah Ilmiah Teknologi Elektro, 17(3), 371. https://doi.org/10.24843/mite.2018.v17i03.p11

Larytasari, L. A., Susanti, Y., & Respatiwulan. (2019). Penentuan ukt mahasiswa uns dengan algoritma iterative dichotomiser three dan classification version 4.5. Seminar & Conference Proceedings, 94-100. https://jurnal.umt.ac.id/index.php/cpu/article/view/1687

Makih, A. (2019). Algoritma predikat pegawai dengan tiga variabel menggunakan fuzzy inference system tsukamoto. 100. https://doi.org/10.31227/osf.io/gkje5

Manik, R., Pristiwanto., & Tampubolon, K. (2018). Prediksi kolektibilitas kredit anggota dengan algoritma c5 . 0 (studi kasus: cu damai sejahtera medan). Jurnal Riset Komputer (JURIKOM), 5(2), 151–160.

Manurung, M. A. (2020). Implementasi data mining algoritma c5.0 dalam sertifikasi produk pengguna tanda sni pada air minum dalam kemasan (studi kasus : balai riset dan standardisasi industri medan). Journal of Computer System and Informatics (JoSYC), 1(3), 199–206.

Marcania, M. (2019). Prediksi pengangkatan karyawan dengan metode klasifikasi algoritma c5.0 (studi kasus pt. kiyokuni indonesia factory-2). Thesist, 0, 71.

Nugroho, K. S. (2019). Confusion matrix untuk evaluasi model pada supervised learning. Diakses dari: https://ksnugroho.medium.com/confusion-matrix-untuk-evaluasi-model-pada-unsupervised-machine-learning-bc4b1ae9ae3f

Pardede, M., Buulolo, E., & Ndruru, E. (2019). Implementasi algoritma c5.0 pada kelulusan peserta ujian kemahiran berbahasa indonesia (ukbi) pada balai bahasa sumatera utara. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 64–72. https://doi.org/10.30865/komik.v3i1.1569

Putri, Y. R., Mukhlash, I., & Hidayat, Nurul. (2016). Prediksi pola kecelakaan kerja pada perusahaan non ekstraktif menggunakan algoritma decision tree: c4.5 dan c5.0. Jurnal Sains Dan Seni Pomits, 2(1), 1-6.

Rahmayanti, V., Azhar, Y., & Pramudita, A. E. (2020). Penerapan algoritma c5.0 pada analisis faktor-faktor pengaruh kelulusan tepat waktu mahasiswa teknik informatika umm. Jurnal Repositor, 1(2), 131. https://doi.org/10.22219/repositor.v1i2.545

Riadi, M., Azhar, Y., & Wicaksono, G. W. (2020). Implementasi algoritma c5.0 dan k-medoids untuk klasterisasi ibu hamil beresiko tinggi. Jurnal Repositor, 2(4), 511. https://doi.org/10.22219/repositor.v2i4.696

Rizaty, M. A. (2021). Bps: tingkat pengangguran anak muda semakin tinggi saat pandemi. Diakses dari: https://databoks.katadata.co.id/datapublish/2021/08/31/bps-tingkat-pengangguran-anak-muda-semakin-tinggi-saat-pandemi

W., Y. Y. (2007). Perbandingan performansi algoritma decision tree c5.0, cart, dan chaid: kasus prediksi status resiko kredit di bank x. Seminar Nasional Aplikasi Teknologi Informasi (SNATI), 0(0), 1907–5022. https://journal.uii.ac.id/Snati/article/view/1628




DOI: http://dx.doi.org/10.25157/teorema.v7i1.6701

Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##

Laman Teorema: https://jurnal.unigal.ac.id/index.php/teorema/index

Terindek: