Taufiqurrohman, Naufal Berlian (2026) Implementasi metode importance performance analysis, k-means dan dbscan pada aplikasi Survei Online. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
This is the latest version of this item.
|
Text
1_cover.pdf Download (169kB) | Preview |
|
|
Text
2_abstract.pdf Download (215kB) | Preview |
|
|
Text
3_SK PLAGIARISM.pdf Download (3MB) | Preview |
|
|
Text
4_daftarisi.pdf Download (245kB) | Preview |
|
|
Text
5_bab1.pdf Download (666kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text
6_bab2.pdf Restricted to Registered users only Download (355kB) |
|
|
Text
7_bab3.pdf Restricted to Registered users only Download (970kB) |
|
|
Text
8_bab4.pdf Restricted to Registered users only Download (2MB) |
|
|
Text
9_bab5.pdf Restricted to Registered users only Download (217kB) |
|
|
Text
10_daftarpustaka.pdf Restricted to Registered users only Download (1MB) |
|
|
Text
11_lampiran.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Pengelolaan data kuesioner pada lembaga pendidikan umumnya masih dilakukan secara manual dan sebatas menghasilkan laporan deskriptif, sehingga kurang optimal dalam mendukung pengambilan keputusan strategis. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi modul analitik terintegrasi pada aplikasi survei online menggunakan kombinasi metode K-Means, Density-Based Spatial Clustering of Applications with Noise (DBSCAN), dan Importance Performance Analysis (IPA). Penelitian ini menggunakan metodologi Cross Industry Standard Process for Data Mining (CRISP-DM) dengan memanfaatkan 5140 data survei sintetis yang dihasilkan oleh Large Language Model (LLM). K-Means digunakan untuk melakukan segmentasi responden berdasarkan kemiripan pola persepsi, DBSCAN diterapkan untuk mendeteksi outlier dan memvalidasi kualitas klaster, sedangkan IPA digunakan untuk mengevaluasi kesenjangan antara tingkat kepentingan dan kinerja layanan, baik secara global maupun spesifik per klaster. Hasil pengujian menunjukkan bahwa K-Means berhasil mengelompokkan responden ke dalam 3 klaster utama secara stabil. DBSCAN secara efektif mendeteksi outlier sebesar 0,68% (sebanyak 35 data), sehingga meminimalisir distorsi dan memperkuat validitas hasil pengelompokan. Penerapan IPA per klaster terbukti mampu memberikan rekomendasi perbaikan layanan yang lebih terarah dan presisi dibandingkan analisis global karena setiap klaster menunjukkan karakteristik prioritas kebutuhan yang berbeda-beda. Selain itu, evaluasi performa komputasi menunjukkan bahwa ketiga algoritma tersebut memiliki efisiensi waktu eksekusi yang stabil dan skalabel terhadap peningkatan volume data, dari pengujian 25% hingga 100% dari total dataset. Modul analitik ini berhasil diimplementasikan pada arsitektur web, menyajikan wawasan analitik interaktif yang dapat mendukung merumuskan strategi peningkatan mutu layanan berbasis data secara komprehensif.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | K-Means; Density-Based Spatial Clustering of Applications with Noise; Importance Performance Analysis; Cross Industry Standard Process for Data Mining |
| Subjects: | Data Processing, Computer Science |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Naufal Berlian Taufiqurrohman |
| Date Deposited: | 27 Oct 2026 02:05 |
| Last Modified: | 27 Oct 2026 02:05 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/144702 |
Available Versions of this Item
-
IMPLEMENTASI METODE IMPORTANCE PERFORMANCE ANALYSIS, K-MEANS DAN DBSCAN PADA APLIKASI SURVEI ONLINE. (deposited UNSPECIFIED)
- Implementasi metode importance performance analysis, k-means dan dbscan pada aplikasi Survei Online. (deposited 27 Oct 2026 02:05) [Currently Displayed]
Actions (login required)
 |
View Item |
