Cari medoid baru pada setiap kelompok dimana jarak antar objek minimal. Update medoid setiap kelompok yang ada dengan medoid
yang baru. 3
Tahap Ketiga menghubungkan objek pada medoid 3-1
Hitung jarak semua objek ke setiap medoid dan dihasilkan kelompok baru berdasarkan jarak minimal.
3-2 Hitung jarak semua ke medoid kelompoknya. Jika jumlahnya sama
dengan jumlah sebelumnya, hentikan algoritma. Jika tidak kembali ke tahap 2.
2.7. Riset-Riset Terkait
Terdapat beberapa riset yang telah dilakukan banyak peneliti berkaitan dengan domain pendidikan, seperti yang akan dijelaskan dibawah ini :
1. Muchammad Juniarto 2009 menjelaskan bahwa metode SVC lebih baik
daripada K-Means dalam pengelompokkan data. 2.
Kusrini 2001 menjelaskan bahwa algoritma data mining. 3.
Jayanti Diah Basuki 2008 menjelaskan implementasi tentang algoritma K-Medoids untuk Clustering dokumen teks.
4. Karhendana, A 2008 menjelaskan tentang pemanfaatan dokumen
klastering pada Agregator berita.
Universitas Sumatera Utara
2.8. Kontribusi Riset
Penelitian ini memberikan kontribuasi pada pemahaman tentang hubungan data tugas akhir mahasiswa AMIK Tunas Bangsa Pematangsiantar untuk
mengetahui perbandingan ke dua algoritma yang mana yang lebih cepat dalam pengclasteran dokumen. Beberapa kemungkinan lain yang dianggap penting
adalah bahwa perguruan tinggi dapat menggunakan informasi dalam hal pengelompokkan data di perguruan tinggi tersebut, untuk membuat agar dapat
diketahui model algoritma mana yang lebih baik dalam pengklasteran dokumen.
2.9. Analisis dan Interpretasi
Hasil pengolahan data yang telat diperoleh kemudian dianalisis sehingga diperoleh suatu interpretasi data dari hasil pengolahan tersebut pada tahap ini
dibandingkan hasil pengujian setiap metode dengan parameter-parameter yang digunakan untuk menentukan metode yang terbaik dalam klastering.
Universitas Sumatera Utara
BAB III METODOLOGI PENELITIAN
3.1. Pendahuluan
Tujuan dari penulisan tesis ini adalah untuk membuat pengelompokkan data dari tugas akhir mahasiswa dengan membandingkan kedua algoritma
Support Vector Clustering dan algoritma K-Medoids untuk mengetahui algoritma mana yang
lebih cepat dalam hal pengelompokkan data tugas akhir mahasiswa tersebut, dengan menggunakan software Rapidminer sebagai pedoman dalam pembuatan
keputusan. Pada bagian ini kita mulai dengan menggambarkan studi kasus data mining untuk jumlah mahasiswa Diploma III di AMIK Tunas Bangsa
Pematangsiantar dalam hal ini judul Tugas Akhir mahasiswa tersebut untuk diolah datanya.
Data yang telah dikumpulkan dari database bagian pendidikan di AMIK Tunas Bangsa Pematangsiantar dan mensurvei data tugas akhir tersebut diambil
dari tahun 2007 sampai 2012. Instrumen penelitian yang digunakan harus mempunyai ukuran yang akurat, terperinci, bagaimana mendapatkan yang lebih
baik dalam proses data mining yang digambarkan pada bagian sebelum pemrosesan data.
3.2. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di Akademi Manajemen Informatika Komputer AMIK Tunas Bangsa Pematangsiantar Jalan Jend Sudirman Blok A, No 1,2 3
Pematangsiantar. Lamanya waktu yang dibutuhkan dalam penelitian adalah 4 bulan yang dimulai dari awal Januari 2013 sampai dengan akhir April 2013.
Universitas Sumatera Utara
