Penerapan Metode K-Means Dalam Menentukan Kelompok Pendalaman Materi Ujian Nasional
Abstract
Pendalaman Materi (PM) merupakan kegiatan penting bagi siswa guna menghadapi ujian nasional. Ujian Nasional merupakan kegiatan pengukuran capaian kompetensi lulusan pada mata pelajaran tertentu secara nasional. Penelitian ini menggunakan 99 dataset berisikan data nilai rapor siswa yang diambil satu semester terakhir untuk menentukan kelompok (cluster) pendalaman materi terhadap mata pelajaran yang diujiankan, dengan menggunakan metode k-Means. k-Means merupakan salah satu fungsi clustering yang melakukan proses pemodelan pengelompokan data dengan sistem partisi. Ada 4 mata pelajaran yang diujiankan, yaitu; Bahasa Indonesia, Matematika, IPA, dan Bahasa Inggris. Dalam hal ini pengelompokan dibagi menjadi 2 cluster besar yaitu; kelas umum dan kelas khusus, dimana kelas khusus tersebut merupakan variable yang perlu penanganan khusus terhadap mata pelajaran yang diujiankan. Perhitungan metode ini menggunakan Rapid Miner 5.3. dengan membagi menjadi 10 cluster, dimana diperoleh nilai terbaik pada cluster 2 dan 9, dengan nilai centroid 83,5 pada cluster 9 dimata pelajaran Bahasa Indonesia.
Downloads
References
[2] K. I. Kasanah, B. Suyadi, and S. Sukidin, “Implementasi Program Intensif Belajar Untuk Menghadapi Ujian Nasional Kelas Xii Ips Di Man 1 Jember Tahun Ajaran 2016/2017,” Ilm. Ilmu Pendidikan, Ilmu Ekon. Dan Ilmu Sos., vol. 12, no. 1, p. 128, 2018, doi: https://doi.org/10.19184/jpe.v12i1.7623.
[3] Asfihan, “Pengertian Data Mining,” ruangpengetahuan, 2021. https://ruangpengetahuan.co.id/pengertian-data-mining/.
[4] Sutrisno, Afriyudi, and Widiyanto, “Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus Pt . Indomarco,” Penerapan Data Min. Pada Penjualan Menggunakan Metod. Clust., vol. Vol.x No.x, no. Data Mining, pp. 1–11, 2013, [Online]. Available: http://eprints.binadarma.ac.id/78/1/PENERAPAN DATA MINING PADA PENJUALAN MENGGUNAKAN METODE CLUSTERING STUDY KASUS PT. INDOMARCO PALEMBANG.pdf.
[5] M. A. Muslim et al., Data Mining Algoritma C4.5, Pertama. Semarang: unnes, 2019.
[6] C. Study and D. David, “Penerapan Educational Data Mining Untuk Memprediksi Hasil Belajar Siswa SMAK Ora et Labora,” Ilmu Komput., vol. XII, no. 2, pp. 73–82, 2019, doi: https://doi.org/2622-321X.
[7] N. Cahyana and A. Aribowo, “Metode Data Mining K-Means Untuk Klasterisasi Data Penanganan Dan Pelayanan Kesehatan Masyarakat,” Semin. Nas. Inform. Medis, no. 5, pp. 24–31, 2018.
[8] A. R. Jannah, D. Arifianto, and M. Kom, “Penerapan Metode Clustering dengan Algoritma K-Means untuk Prediksi Kelulusan Mahasiswa Jurusan Teknik Informatika di Universitas Muhammadiyah Jember,” J. Manaj. Sist. Inf. dan Teknol., vol. 1, no. 1210651237, pp. 1–10, 2015.
[9] R. A. Indraputra and R. Fitriana, “K-Means Clustering Data COVID-19,” J. Tek. Ind., vol. 10, no. 3, p. 3, 2020.
[10] Y. P. Santoso, M. Marlina, and H. Agung, “Implementasi Metode K-Means Clustering pada Sistem Rekomendasi Dosen Tetap Berdasarkan Penilaian Dosen,” J. Inform. Univ. Pamulang, vol. 3, no. 4, p. 228, 2018, doi: 10.32493/informatika.v3i4.2133.

This work is licensed under a Creative Commons Attribution 4.0 International License.