Publisher

PPKIAPPKIA

Journal Journal of Big Data Analytic and Artificial IntelligenceJournal of Big Data Analytic and Artificial Intelligence Abstract

Clustering merupakan suatu proses pengelompokkan data, observasi atau mengelompokkan kelas yang memiliki kesamaan objek. Pondok pesantren daarul ilmi boarding school juga harus melakukan pengelompokkan atau clustering terhadap santrinya untuk memaksimalkan proses pengajaran. Pondok pesantren tersebut belum memiliki sebuah aplikasi komputer untuk pengelompokkan santri sehingga sering terjadi kesalahan dalam menempatkan santri sesuai kriteria yang telah ditetapkan oleh pihak pesantren. Proses pengelompokkan santri dilakukan berdasarkan nilai ahlak, ibadah, rata-rata nilai raport, prestasi dan nilai tahfidz. Proses pemberian nilai yang dilakukan masih bersifat subjektif, artinya pemberian nilai didasarkan atas pemberian nilai dari guru pengampu mata pelajaran tertentu, sehingga penelitian ini bertujuan untuk membantu menentukan keputusan pengelompokkan santri secara objektif. Penelitian ini menggunakan Algoritma K-Medoids atau yang biasa disebut dengan Partitioning around method (PAM). Penelitian ini menggunakan 54 data santri yang aktif pada tahun ajaran 2021/2022 dimana santri akan dikelompokkan dalam kelas murtafi dan mumtaz. Penelitian ini meliputi tahap penentuan jumlah cluster, pemilihan medoid awal secara acak, menghitung jarak masing-masing objek menggunakan manhattan dan minkowski distance serta menghitung total simpangan. Berdasarkan uji coba program yang dilakukan, penelitian ini berhasil mengelompokkan santri ke dalam kelas murtafi dan mumtaz. Berdasarkan perhitungan jarak menggunakan manhattan, 15 santri masuk dalam kelas murtafi dan 39 santri masuk dalam kelas mumtaz, sedangkan jika menggunkan perhitungan jarak minkowski, 14 santri masuk dalam kelas murtafi dan 40 santri masuk dalam kelas mumtaz. Dari evaluasi menggunakan Davies Bouldin Index (DBI) terhadap hasil cluster santri tersebut pengukuran jarak menggunakan manhattan lebih baik dibanding dengan minkowski dimana nilai DBI manhattan sebesar -0,0869.

Conclusion

Berdasarkan penelitain yang telah dilakukan, dengan adanya aplikasi clustering, pihak pesantren lebih mudah dalam mengelompokkan santri sesuai dengan kriteria yang telah ditetapkan sehingga dapat terhindar dari kesalahan dalam santri.Performansi kedua metode pengukuran jarak tersebut menunjukkan nilai DBI Manhattan lebih baik daripada minkowski dimana nilai DBI Manhattan sebesar -0,0869 dan minkowski sebesar -0,3061, hal ini menunjukkan performa manhattan distance lebih baik dibanding minkowski dalam melakukan pengelompokkan santri.

Future Research

Penelitian lanjutan dapat mengkaji penggunaan algoritma clustering lain seperti K-Means atau DBSCAN untuk membandingkan akurasinya dalam pengelompokkan santri. Selain itu, peneliti juga bisa mengeksplorasi penggunaan atribut tambahan seperti kebiasaan belajar atau aktivitas ekstrakurikuler sebagai parameter pengelompokan. Terakhir, pengembangan sistem berbasis web atau mobile untuk memudahkan pihak pesantren dalam mengakses hasil clustering secara real-time dapat menjadi arah studi yang relevan.

Metadata

File size	506.76 KB
Pages	7
DMCA	Report