PENERAPAN ALGORITMA K-MEDOIDS DALAM PENENTUAN

FAKTOR TERBESAR SUMBER INFORMASI PEMILIHAN

JURUSAN DI FAKULTAS TEKNIK UNIVERSITAS HALU OLEO

SASKIA RANDAWULA SILONDAE

E1E1 16 034

Kendari, Senin 07 Desember 2020

LATAR BELAKANG
1. Kurangnya informasi tentang fakultas atau jurusan sehingga
mahasiswa tidak dapat mengikuti perkuliahan dengan baik bahkan
berujung drop out (DO).

2. Membantu calon mahasiswa atau pihak jurusan mengetahui

faktor apa saja yang berpengaruh besar untuk menentukan
jurusan agar kedepannya calon mahasiswa dapat mengambil
jurusan yang sesuai.
 Tujuan & Manfaat
1. Menerapkan metode algoritma K-Medoids Clustering ke dalam system.
2. Mengetahui hasil Clustering dari kuisioner berdasarkan data mahasiswa
3. Membantu pihak Prodi Fakultas Teknik Universitas Halu Oleo sebagai
bahan untuk menentukan langkah selanjutnya dalam menerima
mahasiswa baru.
4. Membantu calon mahasiswa untuk mendapatkan informasi agar
memilih program studi sesuai minat.
 Revisi
1. Pelajari K-Medoid.

2. Pelajari cluster yang akan dibentuk.

3. Perjelas arti dari titik sumbu grafik pada plot clustering.

4. Apakah output kesimpulan akhir dari program.

5. Apakah ada pengujian yang memenuhi unsur statistik.

 Revisi 1 & 2
Perhitungan Manual (halaman 46)
Data yang digunakan sebagai sampel sebanyak 10 data mahasiswa diambil secara acak dari
data kuisioner mahasiswa. Data tersebut akan dikelompokan berdasarkan pilihan terbanyak
yang didapatkan dari data kuisioner.

Data Mahasiswa Data Ternormalisasi

No Nama Internet Alumni UHO Media Massa Tertarik Dengan Peluang Kerja Sangat tertarik dan Kriteria
(Koran) Beasiswa yang Bagus ingin belajar lebih
Alternatif C1 C2 C3 C4 C5 C6
banyak
Intern Alumni Media Tertarik Peluang Sangat
1. Gita Setuju Setuju Setuju Tidak Setuju Setuju Setuju
et UHO Massa Dengan Kerja tertarik dan
2. Faza Sangat Setuju Netral Sangat Setuju Netral Sangat Setuju Sangat Setuju
(Koran) Beasiswa yang ingin belajar
3. Asfan Sangat Setuju Tidak Setuju Tidak Setuju Setuju Sangat Setuju Sangat Setuju Bagus lebih banyak
A1 4 4 4 2 4 4
4. Anggun Setuju Tidak Setuju Setuju Setuju Sangat Setuju Sangat Setuju
A2 5 3 5 3 5 5
5. Fauziah Netral Setuju Tidak Setuju Tidak Setuju Setuju Setuju A3 5 2 2 4 5 5
A4 4 2 4 4 5 5
6. Arkam Tidak Setuju Setuju Sangat Sangat Tidak Setuju Netral Setuju A5 3 4 2 2 4 4
Setuju A6 2 4 5 1 3 4
7. Helda Tidak Setuju Tidak Setuju Tidak Setuju Setuju Sangat Sangat A7 2 2 2 4 5 5
Setuju Setuju A8 2 5 2 4 4 4
8. Kadek Tidak Setuju Sangat Tidak Setuju Setuju Setuju Setuju A9 2 3 4 1 4 4
Setuju A10 2 2 2 4 4 4
9. Randi Tidak Setuju Netral Setuju Sangat Tidak Setuju Setuju Setuju

10. Razul Tidak Setuju Tidak Setuju Tidak Setuju Setuju Setuju Setuju
 Hasil Perhitungan Iterasi Pertama

Menentukan cluster awal sebagai medoid ALTERNATIF C1 C2 C3 Cluster

Medoid 1: A1
Medoid 2: A6 A1 0 2,236 0 C1
Medoid 3: A10 A2 2,449 2,645 4 C1
A3 3,872 5,196 2,828 C1
Menghitung Jarak Obyek ke masing- masing A4 3,162 4,472 3,162 C2
Medoid: A5 2,236 3 3 C2
A6 2,828 0 3 C2
A7 4,242 4,582 1,414 C2
A8 3,605 3,741 1,565 C3
C1 = (A1, A2, A4,A5,A9) A9 2,23 1,73 3,74 C3
C2= (A6) A10 4,898 4,123 0 C3
C3 = (A3, A7, A8, A10) JUMLAH 29,741 27,253 21,393
Total 78.387
 Hasil Perhitungan Iterasi ke- dua

ALTERNATIF C1 C2 C3 Cluster
Menentukan cluster medoid baru :
Medoid 1 = A1 A1 0 3,872 3,605 C1
Medoid 2 = A3 A2 2,449 3 2,449 C1
Medoid 3 = A8 A3 3,872 0 3,741 C1
A4 3,162 2,236 4 C2
Hitung Kembali Jarak Obyek ke masing-
A5 2,236 3,464 3,162 C2
masing Medoid Menggunakan:
A6 2,828 5,196 3,741 C2
A7 4,242 2,449 2,828 C2
A8 3,605 3,741 0 C3
A9 2,828 4 2,828 C3
A10 4,898 2,828 2,449 C3
C1 = (A1, A2, A3,A4,A5,A6,A9) JUMLAH 29,741 30,644 27,385
C2= (A7) Total 87,77
C3 = (A8, A10)
 Hasil Cluster Iterasi 1 & 2
No Nama Internet Alumni Media Massa Tertarik Peluang Kerja Sangat tertarik dan Cluster Cluster
UHO (Koran) Dengan yang Bagus ingin belajar lebih
Iterasi 1 Iterasi 2
Beasiswa banyak

1. Gita Setuju Setuju Setuju Tidak Setuju Setuju Setuju C1 C1

2. Faza Sangat Netral Sangat Setuju Netral Sangat Setuju Sangat Setuju C1 C1
Setuju
3. Asfan Sangat Tidak Tidak Setuju Setuju Sangat Setuju Sangat Setuju C3 C1
Setuju Setuju
4. Anggun Setuju Tidak Setuju Setuju Sangat Setuju Sangat Setuju C1 C1

Setuju

5. Fauziah Sangat Sangat Tidak Setuju Tidak Setuju Setuju Setuju C1 C1

Setuju Setuju

6. Arkam Tidak Setuju Sangat Sangat Tidak Netral Setuju C2 C1

Setuju Setuju Setuju

7. Helda Tidak Tidak Tidak Setuju Setuju Sangat Setuju Sangat Setuju C3 C2

Setuju Setuju
No Nama Internet Alumni Media Massa Tertarik Peluang Kerja Sangat tertarik dan Cluster Cluster
UHO (Koran) Dengan yang Bagus ingin belajar lebih
Iterasi 1 Iterasi 2
Beasiswa banyak

8. Kadek Tidak Sangat Tidak Setuju Setuju Setuju Setuju C3 C3

Setuju Setuju
9. Randi Tidak Setuju Setuju Setuju Setuju Setuju C1 C1
Setuju
10. Razul Tidak Tidak Tidak Setuju Setuju Setuju Setuju C3 C3
Setuju Setuju
Revisi 3
 Revisi 4 & 5
Tabel Hasil Silhouette Coefficient dengan Nilai Gambar Grafik Pengaruh Perbedaan Jumlah Klaster
Klaster Berbeda-beda. dengan 264 Data terhadap Silhouette Coefficien.
No Jumlah Nilai Silhouette
Klaster
Coefficient
1. 2 0.14637431590665603
2. 3 0.11000736495160417
3. 4 0.23045321036704783
4. 5 0.22435958179742807
Gambar Ilustrasi Data Plot yang Sama.
DEMO APLIKASI
SEKIAN DAN
TERIMA
KASIH