Algoritma K-Means Untuk Klasterisasi Kampung Di Desa Bojong Berdasarkan Tingkat Pendidikan

Yovi Yuliantin, Ahmad Faqih, Kaslani -

Abstract


- Desa Bojong menghadapi tantangan dalam memetakan tingkat pendidikan penduduknya secara terstruktur. Meskipun data tersedia, kurangnya pengorganisasian menyebabkan kesenjangan akses pendidikan, terutama di wilayah-wilayah tertentu. Penelitian ini bertujuan untuk mengelompokkan tingkat pendidikan warga Desa Bojong menggunakan algoritma K-Means, sehingga dapat memberikan wawasan yang lebih mendalam tentang kondisi pendidikan masyarakat. Data yang digunakan mencakup 6.237 penduduk dari 10 kampung, dengan atribut seperti usia, pendidikan terakhir, pekerjaan, dan status pernikahan. Proses analisis mengikuti tahapan Knowledge Discovery in Database (KDD) dan dilakukan menggunakan perangkat lunak RapidMiner. Hasil penelitian menunjukkan bahwa jumlah klaster yang ideal adalah 7, dengan nilai terbaik 0,467 untuk Davies-Bouldin Index (DBI). Setiap klaster menunjukkan tingkat pendidikan tertentu. Cluster 6 memiliki tingkat pendidikan yang sangat tinggi, dengan banyak penduduk yang sampai perguruan tinggi. Sementara itu, Cluster 0 terdiri dari orang-orang yang hanya tamat SD atau bahkan tidak sekolah. Studi ini menunjukkan distribusi pendidikan di Desa Bojong. Hasil ini dapat membantu pemerintah desa membuat program pendidikan yang lebih baik. Kampung dengan tingkat pendidikan rendah dapat berkonsentrasi pada program yang meningkatkan akses pendidikan dasar, seperti literasi dan subsidi pendidikan, sedangkan kampung dengan tingkat pendidikan tinggi dapat berkonsentrasi pada pengembangan program pendidikan lanjutan atau pelatihan vokasional. Metode ini diharapkan dapat membantu Desa Bojong mengatasi kesenjangan pendidikan dan meningkatkan kualitas hidup warganya dengan menyediakan program yang tepat sasaran. Selain itu, penelitian ini membantu implementasi algoritma K-Means dalam pengelompokan data pendidikan di daerah pedesaan.

Full Text:

PDF

References


Awaliah, L., Rahaningsih, N., & Dana, R. D. (2024). Implementasi Algoritma K-Means Dalam Analisis Cluster Korban Kekerasan Di Provinsi Jawa Barat. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 188–195. https://doi.org/10.36040/jati.v8i1.8332

Dilawati, H., Widianto, H., & Kuswiadji, A. (2024). Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering Di Rumah Sakit Widodo Ngawi. 5(2), 139–147. https://doi.org/10.37148/bios.v5i2.134

Febriansyah, F., & Muntari, S. (2023). Penerapan Algoritma K-Means untuk Klasterisasi Penduduk Miskin pada Kota Pagar Alam. JISKA (Jurnal Informatika Sunan Kalijaga), 8(1), 66–77.

Gustino, & Suprapti, T. (2024). Analisis Desa Di Kecamatan Krangkeng Berdasarkan Tingkat Pendidikan Menggunakan Algoritma K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1861–1868. https://doi.org/10.36040/jati.v8i2.9220

Hasanah, M., Defit, S., & Nurcahyo, G. W. (2021). Implementasi Algoritma K-Means untuk Klasterisasi Peserta Olimpiade Sains Nasional Tingkat SMA. Jurnal Sistim Informasi Dan Teknologi, 3(1), 30–35. https://doi.org/10.35134/jsisfotek.v1i3.6

Kurniawan, M. D., Priyatna, B., & Nurapriana, F. (2023). Implementasi Algoritma K-Means Untuk Klasterisasi Data Obat Puskesmas Kotabaru. Jurnal Sains Komputer & Informatika (J-SAKTI, 7(2), 882–890. https://tunasbangsa.ac.id/ejurnal/index.php/jsakti Implementasi

Novitasari, N., Nuris, N. D., & Herdiana, R. (2023). Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawa barat menggunakan Rapidminer. Jurnal Informatika Terpadu, 9(1), 68–73. https://doi.org/10.54914/jit.v9i1.660

Nugraha, A., Nurdiawan, O., & Dwilestari, G. (2022). Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Yana Sport. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 849–855. https://doi.org/10.36040/jati.v6i2.5755

Oktarian, S., Defit, S., & Sumijan. (2020). Clustering Students’ Interest Determination in School Selection Using the K-Means Clustering Algorithm Method. Jurnal Informasi Dan Teknologi, 2(3), 68–75. https://doi.org/10.37034/jidt.v2i3.65

Prasetyo, R. B., Pranoto, Y. A., & Prasetya, R. P. (2023). Implementasi Data Mining Menggunakan Algoritma K-Means Clustering Penyakit Pasien Rawat Jalan Pada Klinik Dr. Atirah Desa Sioyong, Sulteng. JATI (Jurnal Mahasiswa Teknik Informatika), 7(4), 2144–2151. https://doi.org/10.36040/jati.v7i4.7419

Romli, I., & Dewi Puspita, F. R. (2021). Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Klasifikasi Penyakit Ispa. Indonesian Journal of Business Intelligence (IJUBI), 4(1), 10. https://doi.org/10.21927/ijubi.v4i1.1727

Saputro, D. T., & Sucihermayanti, W. P. (2021). Penerapan Klasterisasi Menggunakan K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita di Kabupaten Bengkulu Utara Daniel. Jurnal ABDIMAS-KU: Jurnal Pengabdian Masyarakat Kedokteran, 12(2), 146–155. https://doi.org/10.30659/abdimasku.1.3.126-133

Setianingsih, I., & Alli, I. (2023). Klasterisasi Pengeluaran Kas Di Desa Pamengkang Menggunakan Metode K-Means. 7(1), 784–787.

Simanjorang, F., Winanjaya, R., & Rizki, F. (2021). Penerapan Algoritma K-Means Dalam Pengelompokan Rasio Angka Partisipasi Kasar di Tingkat Pendidikan Perguruan Tinggi Menurut Provinsi. Jurnal Terapan Informatika Nusantara, 2(7), 454–459.

Yatna, K. A., Rahaningsih, N., & Dana, R. D. (2024). Penerapan Data Mining untuk Clustering Penyakit Diare Menggunakan algoritma K-Means (Studi Kasus: Puskesmas Beber). JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3124–3131. https://doi.org/10.36040/jati.v8i3.9616




DOI: https://doi.org/10.31294/bi.v13i1.24621

DOI (PDF): https://doi.org/10.31294/bi.v13i1.24621.g6788

ISSN: 2338-9761

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License