PENERAPAN ALGORITME K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN SISWA BERDASARKAN NILAI AKADEMIK DI SMP NEGERI 207 SSN

Penulis

  • Reza Pahlevi Kurniawan Universitas Budi Luhur
  • Ferdiansyah Universitas Budi Luhur

Kata Kunci:

Data Mining, Clustering, K-Means Clustering, Siswa

Abstrak

Pendidikan merupakan salah satu bagian penting untuk memajukan suatu negara. Kualitas pendidikan dapat terlihat melalui tingkat keberhasilan siswa yang tinggi dan tingkat kegagalan yang rendah. Untuk memastikan keberhasilan dalam pendidikan, penting bagi lembaga pendidikan untuk memonitor dan menganalisis data siswa secara teratur. SMP Negeri 207 SSN merupakan salah satu lembaga pendidikan dengan jumlah siswa sebanyak 780 siswa pada tahun ajaran 2022/2023. Banyaknya jumlah siswa menyebabkan kurangnya pemahaman tentang potensi siswa dan karakteristiknya yang menjadi kendala dalam memberikan pelayanan pendidikan yang sesuai. Sehingga perlu dilakukan pengolahan data guna menggali informasi dan mengidentifikasi kebutuhan siswa untuk memberikan pelayanan pendidikan yang lebih efektif. Dengan adanya teknologi data mining, dapat dilakukan pengelompokkan siswa berdasarkan nilai akademiknya. Pengelompokkan ini dilakukan menggunakan metode data mining yaitu K-Means Clustering dan hasil Clustering dievaluasi menggunakan metode Davies Bouldin Index. Data selection yang digunakan berjumlah 15 atribut. Hasil dari pengujian yang dilakukan dengan memproses data menggunakan jumlah Cluster 2 sampai 7 didapatkan bahwa jumlah Cluster yang optimal untuk mengelompokkan data nilai siswa kelas 7 angkatan 2022 SMPN 207 SSN yaitu 3 Cluster yang menghasilkan 16 siswa dengan nilai terendah, 92 siswa dengan nilai menengah, dan 141 siswa dengan nilai tertinggi. Dari hasil Clustering tersebut dievaluasi menggunakan metode Davies Bouldin Index yang menghasilkan nilai 1,12388.

Referensi

Asmana, Y. A. Wijaya, and Martanto, “CLUSTERING DATA CALON SISWA BARU MENGGUNAKAN METODE K-MEANS DI SEKOLAH MENENGAH KEJURUAN WAHIDIN KOTA CIREBON,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 552–559, 2022.

F. N. R. F. J. Aziz, B. D. Setiawan, and I. Arwani, “Implementasi Algoritma K-Means untuk Klasterisasi Kinerja Akademik Mahasiswa,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 6, pp. 2243–2251, 2018.

A. Ali, “Clustering Data Antropometri Balita Untuk Menentukan Status Gizi Balita Di Kelurahan Jumput Rejo Sukodono Sidoarjo,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 3, pp. 395–407, 2020.

H. Yuwafi, F. Marisa, and I. D. Wijaya, “IMPLEMENTASI DATA MINING UNTUK MENENTUKAN SANTRI BERPRESTASI DI PP . MANAARULHUDA DENGAN METODE CLUSTERING ALGORITMA K-MEANS,” J. SPIRIT, vol. 11, no. 1, pp. 22–29, 2019.

S. A. Rahmah, “KLASTERISASI POLA PENJUALAN PESTISIDA MENGGUNAKAN METODE K-MEANS CLUSTERING ( STUDI KASUS DI TOKO JUANDA TANI KECAMATAN HUTABAYU RAJA ),” J. Inf. Technol. Res., vol. 1, no. 1, pp. 1–5, 2020.

E. A. Saputra and Y. Nataliani, “Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means,” J. Inf. Syst. Informatics, vol. 3, no. 3, pp. 424–439, 2021, doi: 10.51519/journalisi.v3i3.164.

S. P. Tamba, F. T. Kesuma, and Feryanto, “PENERAPAN DATA MINING UNTUK MENENTUKAN PENJUALAN SPAREPART TOYOTA DENGAN METODE K-MEANS CLUSTERING,” J. Sist. Inf. Ilmu Komput. Prima (JUSIKOM PRIMA), vol. 2, no. 2, pp. 67–72, 2019.

R. J. Hablum, A. Khairan, and Rosihan, “CLUSTERING HASIL TANGKAP IKAN DI PELABUHAN PERIKANAN NUSANTARA ( PPN ) TERNATE MENGGUNAKAN ALGORITMA K-,” JIKO (Jurnal Inform. dan Komputer), vol. 02, no. 1, pp. 26–33, 2019.

T. M. Dista and F. F. Abdulloh, “Clustering Pengunjung Mall Menggunakan Metode K-Means dan Particle Swarm Optimization,” J. Media Inform. Budidarma, vol. 6, no. 3, pp. 1339–1348, 2022, doi: 10.30865/mib.v6i3.4172.

T. Kurniawan and M. Jajuli, “Clustering Data Kecelakaan Lalu Lintas di Kecamatan Cileungsi Menggunakan Metode K-Means,” Gener. J., vol. 6, no. 1, pp. 1–12, 2022.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Kurniawan, R. P., & Ferdiansyah. (2023). PENERAPAN ALGORITME K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN SISWA BERDASARKAN NILAI AKADEMIK DI SMP NEGERI 207 SSN. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 530–538. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/791

Terbitan

Vol 2 No 2 (2023): Prosiding SENAFTI Ke-3 September 2023

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>