Prediksi Nilai UNAS Siswa SMP Menggunakan Metode K–Means Clustering dan Regresi Linier Sederhana

Prasetyo, Yogi (2015) Prediksi Nilai UNAS Siswa SMP Menggunakan Metode K–Means Clustering dan Regresi Linier Sederhana. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

Preview	Text Jurnal.pdf Download (1MB) | Preview
	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 .

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

UNSPECIFIED

Daryanto, Daryanto

UNSPECIFIED

UNSPECIFIED

Muharom, Lutfi Ali

UNSPECIFIED

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	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)
Depositing User:	Hendri UF | hendri@unmuhjember.ac.id
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