PENILAIAN KINERJA GURU (PKG) MENGGUNAKAN METODE PROFILE MATCHING DAN K-MEANS CLUSTERING (Studi Kasus SD Negeri 003 Rambah Samo )

FRANCISKUS TRI WAHYUDI JONA, - (2019) PENILAIAN KINERJA GURU (PKG) MENGGUNAKAN METODE PROFILE MATCHING DAN K-MEANS CLUSTERING (Studi Kasus SD Negeri 003 Rambah Samo ). ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Universitas Pasir Pengaraian.

	Text 1537075-1.pdf Download (820kB)
	Text 1537075-2.pdf Download (452kB)
	Text 1537075-3.pdf Restricted to Repository staff only Download (7MB)

Abstract

Sekolah Dasar Negeri 003 Rambah Samo sebagai salah satu sekolah Negeri di Kabupaten Rokan Hulu yang menerapkan mekanisme penilaian kinerja guru sebagai penjaminan kualitas profesionalisme guru dalam Kegiatan Belajar Mengajar (KBM). Pada penilaian kinerja guru memiliki beberapa faktor/variabel serta juga memiliki dua aspek. Penilaian kinerja guru untuk meningkatkan kedisiplinan dan rasa tanggung jawab serta menjadi tolak ukur untuk diberi sertifikat bagi pegawai yang terbaik dan untuk guru yang di bawah nilai minimum akan dilakukan pelatihan atau workshop. Pada penilaian kinerja guru ini menggunakan aspek dan faktor. Untuk mempermudah penilaian kinerja guru di buat sebuah Aplikasi Penilaian Kinerja Guru menggunakan metode Profile Matching dan K-Means Clustering di Sekolah Dasar Negeri 003 Rambah Samo yang berbasis web dengan menggunakan PHP dan MySQL sebagai aplikasi pengelola database. Profile Matching merupakan bagian Sistem Pendukung Keputusan (SPK) yaitu bagian dari sistem informasi berbasis komputer yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. K-Means Clsutering merupakan Data Mining, pengertian Data Mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar Perhitungan metode Profile Matching memerlukan nilai bobot sedangkan untuk metode K-Means Clustering memerlukan dua nilai yaitu nilai Cluster sebagai pengelompokan yang mempunyai range dan nilai Centeroid sebagai sampel. Pada aplikasi ini Profile Matching menghasilkan lebih rangking lebih akurat sedangkan metode K-Means clustering hanya menghasilkan pengelompokan berdasarkan cluster. Kata Kunci: Data mining, K-Means Clustering, Penilaian guru, Profile Matching, SPK

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Subjects:	Dewey decimal Classification Subject Areas > 600 Teknologi dan ilmu-ilmu Terapan Dewey decimal Classification Subject Areas > 600 Teknologi dan ilmu-ilmu Terapan
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with username FIKOM
Date Deposited:	29 Nov 2019 03:40
Last Modified:	29 Nov 2019 03:40
URI:	http://repository.upp.ac.id/id/eprint/239

Actions (login required)

View Item