Analisis Klasterisasi Perguruan Tinggi di Indonesia Berdasarkan Perankingan Webometrics Menggunakan Algoritma K-Means

NURKINANTI, OKTICA (2022) Analisis Klasterisasi Perguruan Tinggi di Indonesia Berdasarkan Perankingan Webometrics Menggunakan Algoritma K-Means. Strata 1 thesis, Universits Teknokrat Indonesia.

	Text (Full Skripsi) skripsi18311346.pdf - Published Version Download (2MB)
	Text (Abstrak) abstrak18311346.pdf - Published Version Download (8kB)
	Text (Bab I Pendahuluan) b118311346.pdf - Published Version Download (19kB)
	Text (Bab II Landasan Teori) b218311346.pdf - Published Version Download (388kB)
	Text (Daftar Pustaka) daftar_pustaka18311346.pdf - Bibliography Download (69kB)

Abstract

Perguruan tinggi merupakan jenjang pendidikan setelah pendidikan menengah atas atau SMA sederajat, perguruan tinggi mencakup program pendidikan diplomat, sarjana, magister, dan doktor yg diselenggarakan oleh perguruan tinggi. Direktur Jen-deral Pendidikan Tinggi menjelaskan bahwa pentingnya klasterisasi perguruan tinggi untuk menyediakan landasan bagi pengembangan kebijakan pembangunan, pembinaan perguruan tinggi serta untuk mendorong perguruan tinggi dalam meningkatkan kualitas pelaksanaan tridharma perguruan tinggi secara berkelanjutan Pemeringkatan atau perangkingan perguruan tinggi oleh Webometrics memiliki tujuan sistem untuk menyediakan informasi yang handal, akurat, multidimensi, dan ber-manfaat kepada masyarakat tentang kinerja perguruan tinggi di seluruh Indonesia, Tujuan penelitian ini yakni untuk mengolah data tersebut dan dibutuhkan suatu teknik agar hasil pengolahan atau informasi yang dihasilkan tepat guna. Salah satu teknik yang bisa dimanfaatkan yaitu data mining. Data mining merupakan proses menemukan pola serta pengetahuan yang menarik dari suatu data dalam jumlah yang besar Berdasarkan hasil pengujian data menggunakan Python pada data Perankingan Webometrics bulan Juli 2022 menggunakan Algoritma K-Means yaitu hasil dari penge-lompokkan perguruan tinggi mempunyai nilai K = 3 sesuai dengan hasil penentuan jumlah cluster terbaik menggunakan metode Elbow dan Silhouette sehingga data perguruan tinggi tersebut dikelompokkan kedalam 3 cluster. Hasil dari penelitian yaitu 1958 perguruan tinggi masuk kedalam C0 yaitu peringkat rendah, 600 perguruan tinggi masuk kedalam C2 yaitu peringkat menengah, dan sisanya sejumlah 66 perguruan tinggi masuk kedalam C1 yaitu peringkat atas.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Data Mining,K-Means,Webometrics
Subjects:	SISTEM INFORMASI (S1) > Bahasa Pemrograman SISTEM INFORMASI (S1) > Bahasa Pemrograman
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	23 May 2023 08:37
Last Modified:	23 May 2023 08:37
URI:	http://repository.teknokrat.ac.id/id/eprint/4718

Actions (login required)

View Item