Prasetyo, Yogi (2015) Prediksi Nilai UNAS Siswa SMP Menggunakan Metode K–Means Clustering dan Regresi Linier Sederhana. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.
|
Text
Jurnal.pdf Download (1MB) | Preview |
|
![[img]](http://repository.unmuhjember.ac.id/style/images/fileicons/text.png) |
Text
COVER 2.pdf Download (122kB) |
|
|
Text
ABSTRAK.pdf Download (179kB) |
|
|
Text
BAB I.pdf Download (133kB) |
|
|
Text
BAB II.pdf Restricted to Repository staff only Download (346kB) |
|
|
Text
BAB III.pdf Restricted to Repository staff only Download (397kB) |
|
|
Text
BAB IV.pdf Restricted to Repository staff only Download (565kB) |
|
|
Text
BAB V.pdf Restricted to Repository staff only Download (215kB) |
Abstract
Sekolah Menengah Pertama (SMP) merupakan sekolah wajib belajar bagi setiap warga negara berusia 7 – 15 tahun di Indonesia. Oleh karena itu perlu untuk meningkatkan kualitas dan kuantitas Sekolah Menengah Pertama (SMP) yaitu dengan mengembangkan suatu aplikasi yang dapat di gunakan untuk memprediksi nilai UNAS siswa Sekolah Menengah Pertama (SMP) sebagai bahan evaluasi guru untuk menghadapi UNAS siswa Sekolah Menengah Pertama (SMP).Sebagai inputan digunakannilai ulangan harian dan nilai UTS dari 4 mata pelajaran yaitu Bahasa Indonesia, Bahasa Inggris, Matematika dan IPA yang akan di proses yaitu dengan menggunkan metode K–Means Clustering untuk proses pengelompokkan data. Selanjutnya digunakan metodeRegresi LinierSederhana untuk mendapatkan nilai prediksi nilai UNAS siswa dengan inputan hasil cluster dari proses K–Means Clusteringdan nilai UAS siswa. Hasil dari nilai prediksi tersebut kemudian di proses kembali menggunakan RMSE (Root Mean Squared Error) untuk mengetahui tingkat akurasi prediksi nilai UNAS siswa.Setelah menggunakan metode K-Means dengan beberapa centroid dan Regresi Linier Sederhana didapatkan hasil prosentase tingkat akurasi prediksi nilai UNAS siswa yang terkecil dengan metode RMSE (Root Means Squared Error) pada mata pelajaran bahasa Indonesia adalah 41.5, bahasa Inggris adalah 51.3, IPA adalah 13.8, dan Matematika adalah 44.3 .
| Item Type: | Thesis (Undergraduate) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Uncontrolled Keywords: | SMP, UNAS, K–Means Clustering, Regresi LinierSederhana, RMSE | |||||||||
| Subjects: | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science | |||||||||
| Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | |||||||||
| Department: | ["eprint_fieldopt_department_KODEPRODI55201#TEKNIKINFORMATIKA" not defined] | |||||||||
| Depositing User: | Hendri UF | |||||||||
| Contributors: |
|
|||||||||
| Date Deposited: | 30 Jul 2019 09:12 | |||||||||
| Last Modified: | 27 Nov 2019 03:18 | |||||||||
| URI: | http://repository.unmuhjember.ac.id/id/eprint/2237 |
Actions (login required)
 |
View Item |