Universitas Trunojoyo Madura mempunyai program beasiswa bagi mahasiswa yang sedang aktif kuliah, khususnya di Fakultas Teknik. Program beasiswa di khususkan untuk mahasiswa teknik yang mempunyai kriteria yang sudah ditentukan. Jenis beasiswa yang diberikan pada mahasiswa yaitu Peningkatan Prestasi Akademik (PPA) dan Bantuan Belajar Mahasiswa (BBM). Penelitian ini bertujuan untuk memodelkan pengambilan keputusan. Penerimaan beasiswa dengan pendekatan Hybrid Mining. Data penerimaan beasiswa terlebih dahulu dibersihkan dari outlier dengan cara mengelompokkan (Clustering) menggunakan metode SOM (self Organizing Maps). Dilakukan Validasi data dengan Menggunakan Indeks Davies-Bouldin (IDB). Dimana IDB dalam Metode SOM bertujuan untuk meningkatkan akurasi validasi hasil analisa data. Dari validasi dicari cluster terbaik. Pada cluster terpilih, jika ada outlier maka data tersebut dihapus. Selanjutnya data yang telah melalui prepocessing di proses klasifikasi di algoritma ID3. Uji coba pada aplikasi ini adalah untuk mengetahui hasil perbedaan dari prepocessing dan tanpa prepocesing data. Dari uji coba diperoleh hasil bahwa nilai akurasi yang dihasilkan sebelum dilakukan penghapusan outlier PPA 54,5 % , BBM 58,1% dan setelah dilakukan penghapusan outlier PPA 52,3 % , BBM 58,7 %. Jadi nilai rata-rata akurasi terbaik adalah BBM yang sebelum dilakukan penghapusan outlier dan PPA setelah dilakukan penghapusan outlier.


Deskripsi Lain

Trunojoyo University has a scholarship program for students who are active in college, especially in the Faculty of Engineering . The scholarship program dedicated to engineering students who have pre-determined criteria . Types of scholarships are given to students ie Improving Academic Achievement ( PPA ) and the Student Learning Assistance ( BBM ) . This study aims to model decision-making . Recipients with Hybrid approach Mining . Data recipients first cleaned of outliers by grouping ( clustering ) using SOM ( Self Organizing Maps ) . Do Validate Data by Using Davies - Bouldin index ( IDB ) . Where the IDB in the SOM method aims to improve the accuracy validation of the data analysis . Best of cluster validation sought . In the selected cluster , if there is an outlier then the data is removed . Furthermore, the data that has been through prepocessing in the classification process in the ID3 algorithm . The trial in this application is to determine the result of the difference of prepocessing and without prepocesing data. From the test result that the accuracy of the resulting value prior to the removal of outliers PPA 54.5 % , BBM 58.1 % and after the removal of outliers PPA 52.3 % , BBM 58.7 %. Thus the average value of the best accuracy is the BBM that before the removal of outliers and PPA after the removal of outliers .

• PENGEMBANGAN SISTEM MONITORING DISTRIBUSI GURU SEKOLAH DASAR NEGERI DI KABUPATEN GRESIK BERBASIS STANDAR PELAYANAN MINIMAL (SPM)