Implementasi Fuzzy C-Means Clustering Dalam Proses Seleksi Penerimaan Kartu Indonesia Pintar Kuliah
Keywords:
Fuzzy C-Means, Data Mining, Data Science, KIP-KAbstract
Logika fuzzy merupakan salah satu dari banyaknya logika pembentuk soft computing. Merupakan peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran. Dalam penelitian filterisasi penerimaan KIP-Kuliah ini logika fuzzy yang digunakan yaitu fuzzy c-means clustering. Dimana untuk menerima beasiswa KIP-K diperlukan beberapa kriteria yang harus terpenuhi. Adapun kriteria yang perlu dipenuhi diantaranya adalah prestasi, nilai ujian, penghasilan orang tua, penerima kartu sejenis KIP, dan status kepemilikan rumah atau asset. Dengan demikian, diperlukan sistem pendukung keputusan yang dapat membantu untuk menentukan penerimaan beasiswa tersebut berdasarkan kriteria-kriteria minimal yang telah ditentukan, guna membantu pengambilan keputusan yang lebih akurat, efektif, efisien dan hemat waktu.
References
Anjani, D., Mustari, D., & Farkhatin, N. (2019, July). KAJIAN PENERAPAN ALGORITMA FUZZY C-MEANS DALAM PENENTUAN JURUSAN BAGI SISWA KELAS X SMA: STUDI KASUS SMA I BARUNAWATI JAKARTA BARAT. ORBITH, 15, 56-63. Retrieved June 24, 2023
D.L., R., V.Y.I., I., & M.H., H. (2017, Maret). Implementasi Fuzzy C-Means Clustering Dalam Penentuan Beasiswa. Jurnal Ilmu Matematika dan Terapan, 11, 1-11. Retrieved June 24, 2023
Irawati, I., & Sitorus, S. H. (2019). PENENTUAN KELOMPOK KUALITAS SEKOLAH DENGAN METODE FUZZY C-MEANS BERDASARKAN NILAI UJIAN DAN RAPOR. Jurnal Komputer dan Aplikasi, 7, 11-22. Retrieved Juni 24, 2023
Mirza, M. F. (n.d.). METODE CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK REKOMENDASI PEMILIHAN BIDANG KEAHLIAN PADA PROGRAM STUDI TEKNIK INFORMATIKA. Retrieved June 25, 2023, from http://eprints.dinus.ac.id/12282/1/jurnal_12191.pdf
Mulyadi, D., Pratama, E. P., Sarifudin, A., & Yulianti. (2021, September). Penerapan Fuzzy Logic Untuk Sistem Pengendali Lalu Lintas. Jurnal Informatika Universitas Pamulang, 6, 540-544. Retrieved June 25, 2023, from http://openjournal.unpam.ac.id/index.php/informatika/article/view/11575/pdf
L. A. Zadeh, “Fuzzy logic,” Computer (Long. Beach. Calif)., vol. 21, no. 4, pp. 83–93, 1988.
Ristanto, I. B., Utami, Y. R., & Susyanto, T. (2021, July). Penerapan Metode Clustering dengan Fuzzy C-Means untuk Memetakan Daerah Rawan Kecelakaan Lalu Lintas di Surakarta. Jurnal Ilmiah Sinus (JIS), 19, 27-36. doi:10.30646/sinus.v19i2.562
Sanusi, W., & Ahmad Zaky, B. N. (n.d.). Analisis Fuzzy C-Means dan Penerapannya Dalam Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan Berdasarkan Faktor-Faktor Penyebab Gizi Buruk. Retrieved June 24, 2023
Sari, H. L., & Suranti, D. (n.d.). Perbandingan Algoritma Fuzzy C-Means (FCM) Dan Algoritma Mixture Dalam Penclusteran Data Curah Hujan Kota Bengkulu. Retrieved June 25, 2023
Purnama, G. W. (2023). Student-Data-KIP. Kaggle.com. Retrieved June 24, 2023, from https://www.kaggle.com/datasets/gedewahyupurnama/student-data-kip?resource=download