ABSTRAK

PENERAPAN ALGORITMA FUZZY C-MEANS PADA PENENTUAN KELOMPOK KATAGORI UANG KULIAH TUNGGAL (UKT)(Oleh: Muhammad Atthoillah; Pembimbing: Akhmad Yusuf, Pardi Affandi; 2019; 36 halaman)

Clustering data digunakan untuk mengelompokkan obyek yang memiliki kemiripan karakter. Obyek yang memiliki kemiripan karakter akan dikelompokkan dalam suatu kelas yang sama. Pengelompokan tersebut akan membentuk beberapa cluster sesuai dengan jumlah cluster yang diinginkan. Dalam klusterisasi data, ada beberapa metode yang bisa digunakan diantaranya Fuzzy C-Means. Fuzzy C-Means adalah suatu teknik klusterisasi data dimana keberadaan pada setiap titik data dalam cluster ditentukan oleh derajat keanggotaan. Tujuan penelitian ini untuk mendeskripsikan pengelompokan kategori UKT menggunakan Fuzzy C-Means. Penelitian dilakukan dengan studi literatur, bersumber dari buku, artikel, dan jurnal tentang Clustering Data, Fuzzy C-Means (FCM), dan UKT. Hasil penelitian ini diperoleh nilai pusat cluster yang digunakan untuk menentukan cluster akan masuk ke dalam kelompok kategori UKT. Nilai pusat cluster untuk masing-masing kriteria pertama dan kedua (penghasilan orang tua dan tanggungan orang tua) pada masing-masing kelompok UKT terurut (UKT 1 sampai dengan UKT 5) adalah: UKT 1: 1.8882 dan 1.8281; UKT 2: 2.9707 dan 1.9905 ; UKT 3: 3.0127 dan 3.0007; UKT 4: 3.9873 dan 3.9472; UKT 5: 4.9914 dan 4.9847. Selain nilai pusat cluster, juga diperoleh banyaknya data yang masuk ke dalam 5 kelompok kategori UKT, dengan rincian sebagai berikut: UKT 1 sebanyak 28 data, UKT 2 sebanyak 14 data, UKT 3 sebanyak 50 data, UKT 4 sebanyak 24 data, dan UKT 5 sebanyak 19 data.

Kata kunci : clustering data, fuzzy c-means, uang kuliah tunggal