ANALISIS ALGORITMA K-MEANS CLUSTERING UNTUK PEMETAAN PRESTASI SISWA STUDI KASUS SMP NEGERI I SUKAHENING

Ai Ilah Warnilah

Sari


Abstract - The high success rate of students and the low level of student failure is
a reflection of the quality of education. Education today are required to have the
ability to compete by utilizing all available resources. In addition to resource
infrastructure, facilities and people, information systems is one of the resources
that can be used to improve the ability to compete. Data mining is the process of
analyzing the data to find a pattern of the data set. Data mining is able to analyze a
large amount of supporting data into information in the form that has meaning for
decision support. One of the clustering process of data mining is one of the
methods called k-means. K-Means algorithm is the simplest clustering algorithm
than other clustering algorithms. Atribut group student achievement are the Name,
extracurricular, value includes the value Skills Knowledge, Attitude value, and the
number of absences students. From the results of a case study of 173 students
obtained with manhattan distance, chbychep distance euclidian distance the result
accuracy 67 %.
Keywords: Clustering, K-means, student achievement
Abstrak - Tingginya tingkat keberhasilan siswa dan rendahnya tingkat kegagalan
siswa merupakan cermin kualitas dunia pendidikan. Dunia pendidikan saat ini
dituntut untuk memiliki kemampuan bersaing dengan memanfaatkan semua
sumber daya yang dimiliki. Selain sumber daya sarana, prasarana dan manusia,
sistem informasi merupakan salah satu sumber daya yang dapat digunakan untuk
meningkatkan kemampuan bersaing. Data mining merupakan proses analisa data
untuk menemukan suatu pola dari kumpulan data. Data mining mampu
menganalisa jumlah data yang besar menjadi informasi yang mempunyai arti bagi
pendukung keputusan. Salah satu proses data mining adalah clustering. Atribut
yang digunakan dalam pengelompokan prestasi siswa adalah nama,
ekstrakurikuler, nilai pengetahuan yang meliputi nilai keterampilan, nilai sikap, dan
jumlah ketidak hadiran siswa. Studi kasus pada 173 siswa dengan perhitungan
jarak menggunakan manhattan distance, chbychep distance dan euclidian distance
menghasilkan akurasi sebesar 67%.
Kata Kunci: Clustering, k-means, Prestasi siswa


Teks Lengkap:

PDF


P-ISSN: 2527-449X E-ISSN: 2549-7421
Statistik Pengunjung Jurnal IJCIT
 

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika PSDKU Kota Tasikmalaya

Jl. Tanuwijaya No.4, Empangsari, Kec. Tawang, Tasikmalaya, Jawa Barat 46113, Telp : (0265) 323846
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License