IOINFORMATICIOINFORMATIC

JUKI : Jurnal Komputer dan InformatikaJUKI : Jurnal Komputer dan Informatika

Pendidikan memiliki peranan penting sebagai modal utama membangun kararkter bangsa. Keberhasilan murid dievaluasi berdasarkan pelajaran teoritis dan praktis, serta kehadiran murid selama di dalam kelas. Jumlah pemrosesan data yang terus meningkat mengharuskan penggunaan strategi dan metode sehingga dapat ditransformasikan menjadi informasi dan pengetahuan yang dapat dimanfaatkan oleh pendidik dalam proses pembuatan kebijakan. Tujuan penelitian ini yaitu mengelompokan prestasi siswa berdasarkan nilai siswa menggunakan data mining dengan menerapkan algoritma K-Means. Dalam penelitian ini data yang digunakan adalah nilai raport PAS Ganjil SMK TONS periode tahun 2023/2024. Perhitungan klasterisasi dengan algoritma K-Means berhasil mengelompokkan 24 siswa menjadi 3 cluster. Dimana siswa dengan kategori tinggi sebanyak 6 siswa, siswa dengan kategori cukup sebanyak 8 siswa, dan siswa dengan kategori rendah sebanyak 10 siswa. Berdasarkan hasil evaluasi, didapat nilai Davies Bouldin Index (DBI) 0.144 atau mendekati dengan 0 sehingga dapat disimpulkan bahwa hasil cluster yang dihasilkan cukup baik. Dengan hasil clustering yang telah diterapkan diharapkan bisa membantu dalam mengambil keputusan dengan tepat untuk menentukan siswa berprestasi.

Penerapan algoritma K-Means efektif mengelompokkan siswa berprestasi berdasarkan nilai, menghasilkan tiga cluster dengan proporsi tinggi (25%), cukup (35%), dan rendah (40%).Evaluasi menghasilkan Davies Bouldin Index sebesar 0.144 yang mendekati 0, menunjukkan kualitas clustering yang baik.Hasil clustering ini dapat mendukung pengambilan keputusan yang tepat dalam penentuan siswa berprestasi.

Penelitian selanjutnya dapat mengeksplorasi penggunaan algoritma clustering hybrid seperti kombinasi K-Means dan DBSCAN untuk meningkatkan akurasi identifikasi siswa berprestasi, dengan membandingkan hasilnya terhadap metode K-Means konvensional; selain nilai akademik, variabel lain seperti kehadiran, partisipasi dalam kegiatan ekstrakurikuler, dan hasil tes psikologis dapat ditambahkan ke dalam dataset untuk menilai apakah pemodelan multivariat dapat menghasilkan segmentasi yang lebih representatif; serta penelitian dapat memperluas cakupan sampel dengan melibatkan beberapa sekolah menengah kejuruan di wilayah berbeda, sehingga dapat menguji generalisasi model clustering dan menganalisis pengaruh konteks regional terhadap pola prestasi siswa.

  1. PEMETAAN KELOMPOK KERJA SISWA DENGAN METODE CLUSTERING K-MEANS DAN ALGORITMA GREEDY | Jurnal Informatika... publikasiilmiah.unwahas.ac.id/index.php/JINRPL/article/view/2953PEMETAAN KELOMPOK KERJA SISWA DENGAN METODE CLUSTERING K MEANS DAN ALGORITMA GREEDY Jurnal Informatika publikasiilmiah unwahas ac index php JINRPL article view 2953
  2. Akurasi Pemetaan Kelompok Belajar Siswa Menuju Prestasi Menggunakan Metode K-Means | Jurnal Sistim Informasi... doi.org/10.37034/jsisfotek.v3i1.40Akurasi Pemetaan Kelompok Belajar Siswa Menuju Prestasi Menggunakan Metode K Means Jurnal Sistim Informasi doi 10 37034 jsisfotek v3i1 40
  3. Implementasi k-Means Clustering untuk Analisis Nilai Akademik Siswa Berdasarkan Nilai Pengetahuan dan... ejournal.uksw.edu/aiti/article/view/4990Implementasi k Means Clustering untuk Analisis Nilai Akademik Siswa Berdasarkan Nilai Pengetahuan dan ejournal uksw edu aiti article view 4990
  4. Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering | Journal of Artificial Intelligence... doi.org/10.58602/jaiti.v1i1.22Pengelompokan Data Nilai Siswa Menggunakan Metode K Means Clustering Journal of Artificial Intelligence doi 10 58602 jaiti v1i1 22
  5. Metode Asosiasi Data Mining Untuk Analisa Persediaan Fiber Optik Menggunakan Algoritma Apriori | Jurnal... doi.org/10.31599/jki.v20i3.288Metode Asosiasi Data Mining Untuk Analisa Persediaan Fiber Optik Menggunakan Algoritma Apriori Jurnal doi 10 31599 jki v20i3 288
Read online
File size601.45 KB
Pages13
DMCAReport

Related /

ads-block-test