Implementasi Algoritma K-Means Clustering Dengan Pendekatan Active Learning Pada Siswa SMA Untuk Menentukan Jurusan Ke Perguruan Tinggi
Abstract
Menentukan jurusan tepat yang akan diambil pada jenjang perguruan tinggi sangatlah penting diperhatikan oleh siswa SMA. Kesalahan dalam memilih jurusan akan menyebabkan siswa tidak maksimal selama berada di perguruan tinggi. Oleh karena itu, penelitian ini dilakukan untuk membantu siswa dalam menentukan jurusan ke perguruan tinggi menggunakan algoritma K-Means Clustering dengan penerapan Active Learning in Machine Learning. K-Means Clustering dengan penerapan Active Learning digunakan untuk menentukan jurusan yang tepat dengan menggunakan data kuesioner dan nilai rapot yang didapat dari pihak sekolah. Pada penelitian ini, didapat hasil bahwa 113 siswa yang menjadi responden terbagi kedalam 12 kategori atau klaster pada bidang ilmu yang berbeda-beda. Secara singkat, penerapan algoritma K-Means Clustering dengan pendekatan Active Learning menghasilkan akurasi 0,059 dan membutuhkan perbaikan terhadap data yang digunakan agar mencapai akurasi yang lebih baikReferences
R. F. Putri, N. A. Ramdhan, and O. S. Bachri, “Sistem Pemilihan Jurusan Berbasis Web di SMK Wilayah Brebes,” J. Infokam, vol. 18, no. 2, pp. 12–26, 2022.
J. Nasir, “Penerapan Data Mining Clustering Dalam Mengelompokan Buku Dengan Metode K-Means,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 2, pp. 690–703, 2021, doi: 10.24176/simet.v11i2.5482.
R. P. Primanda, A. Alwi, and D. Mustikasari, “DATA MINING SELEKSI SISWA BERPRESTASI UNTUK MENENTUKAN KELAS UNGGULAN MENGGUNAKAN METODE K-MEANS CLUSTERING (Studi Kasus di MTS Darul Fikri ),” Komputek, vol. 5, no. 1, p. 88, 2021, doi: 10.24269/jkt.v5i1.686.
Ardiansyah, Risnita, and M. S. Jailani, “Teknik Pengumpulan Data Dan Instrumen Penelitian Ilmiah Pendidikan Pada Pendekatan Kualitatif dan Kuantitatif,” J. IHSAN J. Pendidik. Islam, vol. 1, no. 2, pp. 1–9, 2023, doi: 10.61104/ihsan.v1i2.57.
S. Ningsih and H. H. Dukalang, “Penerapan Metode Suksesif Interval pada Analsis Regresi Linier Berganda,” Jambura J. Math., vol. 1, no. 1, pp. 43–53, 2019, doi: 10.34312/jjom.v1i1.1742.
C. Nas, “Data Mining Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Algoritma C4.5,” J. Manaj. Inform., vol. 11, no. 2, pp. 131–145, 2021, doi: 10.34010/jamika.v11i2.5506.
Ahmad Harmain, P. Paiman, H. Kurniawan, K. Kusrini, and Dina Maulina, “Normalisasi Data Untuk Efisiensi K-Means Pada Pengelompokan Wilayah Berpotensi Kebakaran Hutan Dan Lahan Berdasarkan Sebaran Titik Panas,” Tek. Teknol. Inf. dan Multimed., vol. 2, no. 2, pp. 83–89, 2022, doi: 10.46764/teknimedia.v2i2.49.
M. S. Said and Y. Yusti, “Penerapan Algoritma K-Means Dalam Penentuan Jurusan Siswa Sman 05 Bombana,” Simtek J. Sist. Inf. dan Tek. Komput., vol. 5, no. 2, pp. 114–122, 2020, doi: 10.51876/simtek.v5i2.87.
A. M. Chalik, B. A. Qowy, F. Hanafi, and ..., “Mouse Tracking Tangan dengan Klasifikasi Gestur Menggunakan OpenCV dan Mediapipe,” … Ilm. Tek. Inform. …, vol. 1, no. 2, pp. 10–18, 2021, [Online]. Available: http://journal.sinov.id/index.php/juitik/article/view/323
Y. Christianto, R. Intan, and R. Adipranata, “Penerapan Metode Klasifikasi C4. 5 dalam Pembuatan Website Identifikasi untuk Prediksi Kredibilitas Akun pada Media Sosial Instagram,” J. Infra, 2021, [Online]. Available: http://publication.petra.ac.id/index.php/teknik-informatika/article/view/11443
I. Luthfiah Ramadhyagita et al., “SPEKTRA: Jurnal Fisika dan Aplikasinya Kajian Discrete Fourier Transform untuk Menganalisis Sinyal Arbitrer,” Kaji. Discret. Fourier Transform untuk Menganalisis Sinyal Arbitrer, vol. 1, pp. 7–16, 2022.
E. Sera, “Analisis Sentimen Ulasan Produk di E-Commerce Bukalapak Menggunakan Natural Language Processing,” J. Pros. Semin. Nas. Sist. Inf. dan Teknol., vol. 7, pp. 237–243, 2023.
H. B. Pramesti, “Klasterisasi Data Unsupervised Menggunakan Metode K-Means (Studi Kasus: Repository Jurusan Ilmu Komputer FMIPA Universitas Riau),” J. Apl. Komput., pp. 33–45, 2022, [Online]. Available: https://jurnalmipa.unri.ac.id/jak/index.php/JAK/article/view/33
M. Nishom, “Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square,” J. Inform. J. Pengemb. IT, vol. 4, no. 1, pp. 20–24, 2019, doi: 10.30591/jpit.v4i1.1253.
A. S. Ritonga and I. Muhandhis, “Teknik Data Mining Untuk Mengklasifikasikan Data Ulasan Destinasi Wisata Menggunakan Reduksi Data Principal Component Analysis (Pca),” Edutic - Sci. J. Informatics Educ., vol. 7, no. 2, 2021, doi: 10.21107/edutic.v7i2.9247.
F. Sutomo et al., “Optimization of the K-Nearest Neighbors Algorithm Using the Elbow Method on Stroke Prediction,” J. Tek. Inform., vol. 4, no. 1, pp. 125–130, 2023, doi: 10.52436/1.jutif.2023.4.1.839.
D. J. Lubis and M. B. Tamam, “Penerapan K-Means Untuk Pengelompokkan Beasiswa Santri di Pondok Pesantren Miftahul Huda Bogor,” Teknois J. Ilm. Teknol. Inf. dan Sains, vol. 12, no. 1, pp. 7–20, 2022, doi: 10.36350/jbs.v12i1.125.
