ARTIKEL 1 "TEKNIK INFORMATIKA"

Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang 

Asroni Asroni, Ronald Adrian

Abstract

The selection process among outstanding students in a department has a big problem. This process is not fair because only involve one criteria and ignore the other criteria. We need the best student to participate in a competition held by the Indonesia Security Incident Response Team on Internet Infrastructure (ID SIRTII) of the Ministry of Communication and Information. This process uses Weka software to calculate the best student. It provides the various method to explore the data. One of them is clustering method. There are many algorithms in clustering method. In this research, we will investigate widely about one of that algorithms. Its name is K-Means. This algorithm (K-Means) will give the recommendations about the best student based on the cluster. It will represent the many clusters of a student group. The best cluster can be calculated more to get the names of the best students group. They are eligible to enter the competition.  K-means involve the GPA (Grade Point Average) and related course to support the academic skill in order to get the best student. This research helps the teacher select the best student to enter the competition. Many similar cases can use this algorithm in order to get the best student.

Abstrak

Proses seleksi di antara mahasiswa berprestasi di departemen memiliki masalah besar. Proses ini tidak adil karena hanya melibatkan satu kriteria dan mengabaikan kriteria lainnya. Kami membutuhkan siswa terbaik untuk berpartisipasi dalam kompetisi yang diadakan oleh Tim Respon Insiden Keamanan Indonesia tentang Infrastruktur Internet (ID SIRTII) dari Kementerian Komunikasi dan Informasi. Proses ini menggunakan perangkat lunak Weka untuk menghitung siswa terbaik. Ini menyediakan berbagai metode untuk mengeksplorasi data. Salah satunya adalah metode clustering. Ada banyak algoritma dalam metode clustering. Dalam penelitian ini, kami akan menyelidiki secara luas tentang salah satu algoritma itu. Namanya adalah K-Means. Algoritma ini (K-Means) akan memberikan rekomendasi tentang siswa terbaik berdasarkan cluster. Ini akan mewakili banyak kelompok kelompok siswa. Cluster terbaik dapat dihitung lebih banyak untuk mendapatkan nama-nama kelompok siswa terbaik. Mereka berhak mengikuti kompetisi. K-means melibatkan IPK (Nilai Rata-Rata Poin) dan kursus terkait untuk mendukung keterampilan akademik untuk mendapatkan siswa terbaik. Penelitian ini membantu guru memilih siswa terbaik untuk mengikuti kompetisi. Banyak kasus serupa dapat menggunakan algoritma ini untuk mendapatkan siswa terbaik