Rekomendasi Grup Pada Website Alumni Teknik Informatika Universitas Muhammadiyah Malang

Main Article Content

Hermansyah Adi Saputra
Galih Wasis Wicaksono
Yufis Azhar

Abstract

Belakangan ini hampir seluruh universitas yang ada di indonesia memiliki sistem informasi alumninya sendiri-sendiri. Sistem informasi alumni mampu memberikan informasi tentang kondisi alumninya setelah menyelesaikan masa perkuliahannya. Alumni merupakan aktor yang berperan penting dalam pendidikan. Saat ini jurusan Informatika Fakultas Teknik Universitas Muhammadiyah Malang telah memiliki website alumni. Permasalahannya belum adanya sistem yang memberikan alumni rekomendasi grup pada sistem, sehingga para alumni mampu saling bertukar informasi didalamnya. Dengan adanya data alumni dan juga di dukung dengan adanya tracer study, dapat di bentuk suatu rekomendasi grup dari data tracer study. K-medoid adalah metode pengelompokan data ke  dalam  sejumlah cluster  tanpa  adanya  struktur  hirarki antara satu dengan yang lainnya. Algoritma k-medoid memiliki nilai coefficient yang lebih tinggi di bandingkan dengan k-means dalam penelitian ini. Yang mana k-medoid mendapatkan nilai rata-rata Silhouette Score 0.7325888099 dalam pengujian dengan jumlah cluster 5 dan perulangan sebanyak 10 kali. Jika dibandingkan dengan k-means yang hanya memiliki nilai rata-rata Silhouette Score 0.6872873866.

Downloads

Download data is not yet available.

Article Details

How to Cite
[1]
H. A. Saputra, G. W. Wicaksono, and Y. Azhar, “Rekomendasi Grup Pada Website Alumni Teknik Informatika Universitas Muhammadiyah Malang”, JR, vol. 2, no. 12, Jan. 2024.
Section
Articles

References

S. Defiyanti, M. Jajuli, and N. Rohmawati, “Optimalisasi K-MEDOID dalam Pengklasteran Mahasiswa Pelamar Beasiswa dengan CUBIC CLUSTERING CRITERION,” J. Teknol. dan Sist. Inf., vol. 3, no. 1, pp. 211–218, 2017.

H. Sulastri and A. I. Gufroni, “Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia,” J. Teknol. dan Sist. Inf., vol. 03, no. 02, pp. 299–305, 2017.

Y. H. Chrisnanto and G. Abdillah, “Penerapan Algoritma Partitioning Around Medoids (PAM) Clustering untuk Melihat Gambaran Umum Kemampuan Akademik Mahasiswa,” J. Semin. Nas. Teknol. Inf. dan Komun. 2015, vol. 2015, no. Sentika, pp. 444–448, 2015.

R. Wulanningrum, S. Kom, A. Rachmad, and S. T. Mt, “Pengenalan Rumput Laut Menggunakan Euclidean Distance Berbasis,” vol. 2012, no. Snati, pp. 15–16, 2012.

M. Anggara, H. Sujiani, and N. Helfi, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–6, 2016.

J. G. Pearce, Z. Shaar, and R. E. Crosbie, “Scattering of energetic ions by solids — a simulation,” Simulation, vol. 29, no. 4, pp. 97–104, 1977.

D. F. Pramesti, M. T. Furqon, and C. Dewi, “Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan / Lahan Berdasarkan Persebaran Titik Panas ( Hotspot ),” Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 9, pp. 723–732, 2017.

A. Y. Rofiqi, “Clustering Berita Olahraga Berbahasa Indonesia Menggunakan Metode K-Medoids Bersyarat,” vol. 6, no. 1, 2017.

L. Afuan, J. Soeparno, K. Mipa, and U. Karangwangkal, “dalam Pengembangan Sistem Informasi Pendataan Laporan Kerja Praktek Mahasiswa Program Studi Teknik Informatika Unsoed ( Codeigniter Framework Used in Information System Development in Informatics Engineering Program Study of Unsoed ),” vol. I, pp. 39–44, 2010.

D. Rosmala, M. Ichwan, and M. I. Gandalisha, “Komparasi Framework MVC (Codeigniter, Dan Cakephp) Pada Aplikasi Berbasis Web,” J. Inform., vol. 2, no. 8, pp. 22–30, 2011.