Penerapan K-Means Clustering Dalam Pengelompokan Hasil Belajar Peserta Didik Dengan Metode Elbow
DOI:
https://doi.org/10.53513/jsk.v6i1.7351Keywords:
Elbow, Cluster, K-MeansAbstract
Pendidikan merupakan salah satu faktor keberhasilan teknologi informasi salah satunya yaitu dalam hal memajukan mutu sumber daya manusia. Salah satu cara untuk mencapainya adalah melalui pemerataan pendidikan di sekolah. Hal tersebut dapat dilakukan dengan menganalisis capaian hasil belajar setiap peserta didik. PKBM Sanggar Puri merupakan lembaga pendidikan non formal dengan nilai nilai rata-rata dari tahun ke tahun naik turun sehingga perlu dilakukan pengelompokan nilai guna membantu mengetahui kemampuan para peserta didik. Penelitian ini menggunakan algoritma K-Means dan metode Elbow. Hasil dari penelitian ini adalah mengelompokan peserta didik menjadi 3 cluster yaitu cluster 0 dengan nila rata-rata cenderung rendah yang memiliki jumlah anggota cluster yaitu 57 peserta didik. Kemudian cluster 2 yaitu kelompok rata-rata nilai sedang dengan jumlah anggota kluster yaitu 42 peserta didik. Lalu cluster 1 merupakan kelompok nilai dengan rata-rata tinggi yang hanya berjumlah 1 peserta didik.References
A. Voutama, U. Enri, I. Maulana, dan E. Novalia, “Sosialisasi Literasi Digital Bagi Remaja dan Calistung Untuk Anak-Anak di Desa Telukbuyung Karawang,†J. Pemberdaya. Komunitas MH Thamrin, vol. 4, no. 1, hal. 34–41, 2022, doi: 10.37012/jpkmht.v4i1.870.
R. R. Anderha, S. Maskar, dan U. T. Indonesia, “PENGARUH KEMAMPUAN NUMERASI DALAM MENYELESAIKAN MASALAH MATEMATIKA TERHADAP PRESTASI BELAJAR MAHASISWA PENDIDIKAN MATEMATIKA,†J. Ilm. Mat. Realis., vol. 2, no. 1, hal. 1–10, 2021.
A. Winarta dan W. J. Kurniawan, “Optimasi cluster k-means menggunakan metode elbow pada data pengguna narkoba dengan pemrograman python,†J. Tek. Inform. Kaputama, vol. 5, no. 1, hal. 113–119, 2021.
A. Ali, “Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo,†MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 19, no. 1, hal. 186–195, 2019, doi: 10.30812/matrik.v19i1.529.
E. A. Novia, W. I. Rahayu, dan C. Prianto, Sistem Perbandingan Algoritma K-Means dan Naive Bayes Untuk Memprediksi Prioritas Pembayaran Tagihan Rumah Sakit Berdasarkan Tingkat Kepentingan. Kreatif, 2020.
R. Novianto dan L. Goeirmanto, “Penerapan Data Mining menggunakan Algoritma K-Means Clustering untuk Menganalisa Bisnis Perusahaan Asuransi,†JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 6, no. 1, hal. 85–95, 2019, doi: 10.35957/jatisi.v6i1.150.
V. Ramadhan dan A. Voutama, “Clustering Menggunakan Algoritma K-Means Pada Penyakit ISPA di Puskesmas Kabupaten Karawang,†vol. 4, hal. 462–473, 2022.
T. Purwanti, W. Ramdhan, dan Santoso, “PENERAPAN METODE KLASTERISASI K-MEANS UNTUK STRATEGI PROMOSI PADA SMK TAMANSISWA SUKADAMAI,†JUTSI (Jurnal Teknol. dan Sist. Informasi), vol. 1, no. 2, hal. 141–146, 2021.
N. T. Hartanti, “Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional,†J. Nas. Teknol. dan Sist. Inf., vol. 6, no. 2, hal. 82–89, 2020, doi: 10.25077/teknosi.v6i2.2020.82-89.
R. Ananda dan A. Z. Yamani, “Penentuan Centroid Awal K-Means pada Proses Clustering Data Evaluasi,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 10, hal. 544–550, 2021.
M. Rafi Muttaqin, T. Iman Hermanto, M. Agus Sunandar, P. Studi Teknik Informatika, dan S. Tinggi Teknologi Wastukancana, “Penerapan K-Means Clustering Dan Cross-Industry Standard Process for Data Mining (Crisp-Dm) Untuk Mengelompokan Penjualan Kue,†vol. 19, no. 1, hal. 38–53, 2022.
A. Yoga Pratama, Y. Umaidah, dan A. Voutama, “Analisis Sentimen Media Sosial Twitter Dengan Algoritma K-Nearest Neighbor Dan Seleksi Fitur Chi-Square (Kasus Omnibus Law Cipta Kerja),†J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, hal. 897–910, 2021.
Y. Christian dan K. O. Y. R. Qi, “Penerapan K-Means pada Segmentasi Pasar untuk Riset Pemasaran pada Early Stage Startup dengan Menggunakan CRISP-DM,†JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 4, hal. 966–973, 2022, doi: 10.30865/jurikom.v9i4.4486.
D. L. Rianti, Y. Umaidah, dan A. Voutama, “Tren Marketplace Berdasarkan Klasifikasi Ulasan Pelanggan Menggunakan Perbandingan Kernel Support Vector Machine,†STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 6, no. 1, hal. 98, 2021, doi: 10.30998/string.v6i1.9993.
D. Jollyta, M. Siddik, H. Mawengkang, dan S. Efendi, Teknik Evaluasi Cluster Solusi Menggunakan Python Dan Rapidminer. Deepublish, 2021.
D. Jollyta, S. Efendi, M. Zarlis, dan H. Mawengkang, “Optimasi Cluster Pada Data Stunting: Teknik Evaluasi Cluster Sum of Square Error dan Davies Bouldin Index,†Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, hal. 918, 2019, doi: 10.30645/senaris.v1i0.100.
N. H. Harani, C. Prianto, dan F. A. Nugraha, “Segmentasi Pelanggan Produk Digital Service Indihome Menggunakan Algoritma K-Means Berbasis Python,†J. Manaj. Inform., vol. 10, no. 2, hal. 133–146, 2020, doi: 10.34010/jamika.v10i2.2683.
W. M. Baihaqi, K. Indartono, dan S. Banat, “Penerapan Teknik Clustering Sebagai Strategi Pemasaran pada Penjualan Buku Di Tokopedia dan Shopee,†Paradig. - J. Komput. dan Inform., vol. 21, no. 2, hal. 243–248, 2019, doi: 10.31294/p.v21i2.6149.