Klasterisasi Sekolah Menggunakan Algoritma K-Means berdasarkan Fasilitas, Pendidik, dan Tenaga Pendidik
DOI:
https://doi.org/10.30812/matrik.v21i2.1411Keywords:
Data Mining, DBI, K-Means, KlasterisasiAbstract
Fasilitas pendidikan merupakan salah satu indikator untuk tercapainya capaian pembelajaran di sekolah. Keberadaan fasilitas, guru, dan tenaga pendidik sangat dibutuhkan pada lingkungan sekolah. Untuk memudahkan pemerintah setempat dalam penanganan pemerataan kebutuhan sekolah, maka diperlukan pengklasteran atau pengelompokan sekolah. Tujuan dari penelitian ini adalah membantu pihak pemerintah dalam mengklaster sekolah tertentu menjadi beberapa cluster, sehingga memudahkan untuk melakukan pendampingan maupun pengadaan kebutuhan sekolah dilingkungan pemerintah Kabupaten Seruyan. Klasterisasi dilakukan dengan menggunakan algoritma K-Means. Penerapan Algoritma K-Means dengan menentukan nilai Cluster yaitu 3. Hasil penelitian menunjukan bahwa setiap Cluster memiliki jumlah keanggotaannya masing-masing. Pada Cluster0 terdiri dari 178 sekolah, Cluster1 terdiri dari 3 sekolah, dan Cluster2 terdiri dari 43 sekolah. Kemudian hasil pemeringkatan Cluster secara berurutan diperoleh dari Cluster1, Cluster0, dan terakhir adalah Cluster2. Selanjutnya dalam pengujian performance algoritma K-Means dengan membagi menjadi 3 Cluster diperoleh nilai Davies Bouldin Index senilai -0,695. Dari hasil pegolahan dan analisis data terdapat 43 sekolah dalam cluster rendah, sehingga penelitian ini merekomendasikan perlu dilakukan pendampingan dan pengadaan kebutuhan sekolah terhadap sekolah cluster rendah oleh dinas pendidikan pada pemerintah kabupaten Seruyan.
Downloads
References
[2] M. Zein, “Peran Guru dalam Pengembangan Pembelajaran,†Jurnal Inspiratif Pendidikan, vol. 5, no. 2, 2016.
[3] S. Oktarian, S. Defit, and Sumijan, “Klasterisasi Penentuan Minat Siswa dalam Pemilihan Sekolah Menggunakan Metode Algoritma K-Means Clustering,†Jurnal Informasi dan Teknologi, vol. 2, no. 3, pp. 68–73, 2020.
[4] D. Solichah, “Hubungan Antara Fasilitas Sekolah, Minat Belajar, Dan Kebiasaan Belajar Siswa MI Al-Huda,†2018.
[5] N. Amah and A. D. Nugroho, “Pengaruh Fasilitas Sekolah Terhadap Hasil Belajar Akuntansi dengan Lingkungan Sosial Sebagai Pemoderasi,†Journal of Accounting and Business Education, vol. 2, no. 4, 2016, doi: 10.26675/jabe.v2i4.6078.
[6] M. L. Sibuea and A. Safta, “Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustring,†JURTEKSI (Jurnal Teknologi dan Sistem Informasi), vol. 4, no. 1, 2017, doi: 10.33330/jurteksi.v4i1.28.
[7] Y. A. Priambodo and S. Y. J. Prasetyo, “Pemetaan Penyebaran Guru di Provinsi Banten dengan Menggunakan Metode Spatial Clustering K-Means (Studi kasus : Wilayah Provinsi Banten),†Indonesian Journal of Computing and Modeling, vol. 1, no. 1, 2018, doi: 10.24246/j.icm.2018.v1.i1.p18-27.
[8] M. A. Amri, A. P. Windarto, A. Wanto, and I. S. Damanik, “Analisis Metode K-Means Pada Pengelompokan Perguruan Tinggi Menurut Provinsi Berdasarkan Fasilitas yang Dimiliki Desa,†KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 3, no. 1, 2019, doi: 10.30865/komik.v3i1.1677.
[9] F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,†SISTEMASI : Jurnal Sistem Informasi, vol. 7, no. 3, 2018, doi: 10.32520/stmsi.v7i3.388.
[10] K. Handoko, “Pengelompokkan Data Mining Pada Jumlah Penumpang di Bandara Hang Nadim,†CBIS (Computer Based Information System Journal), vol. 6, no. 2, 2018, doi: 10.33884/cbis.v6i2.708.
[11] K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (DBD) Berdasarkan Provinsi,†Computer Engineering, Science and System Journal, vol. 3, no. 2, 2018, doi: 10.24114/cess.v3i2.9661.
[12] G. S. Nugraha, H. Hairani, and R. F. P. Ardi, “Aplikasi Pemetaan Kualitas Pendidikan Di Indonesia Menggunakan Metode K-Means,†MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 17, no. 2, pp. 13–23, 2018.
[13] S. Suryadi, “Penerapan Metode Clustering K-Means untuk Pengelompokan Kelulusan Mahasiswa Berbasis Kompetensi,†Jurnal Informatika, vol. 6, no. 1, 2019, doi: 10.36987/informatika.v6i1.738.
[14] I. F. Anshori and Y. Nuraini, “Pengelompokan Data Kecelakaan Lalu Lintas Di Kota Tasikmalaya Menggunakan Algoritma K-Means,†Jurnal Responsif: Riset Sains dan Informatika, vol. 2, no. 1, 2020.
[15] A. Ali, “Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo,†MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 19, no. 1, pp. 186–195, 2019.
[16] F. Nasari and S. Darma, “Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru (Studi Kasus : Universitas Potensi Utama),†Semnasteknomedia Online, vol. 3, no. 1, 2015.
[17] Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,†Jurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika, vol. 2, no. 2, 2017, doi: 10.22202/ei.2016.v2i2.1465.
[18] B. M. Metisen and H. L. Sari, “Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila,†Jurnal Media Infotama, vol. 11, no. 2, 2015.
[19] T. Baraas, A. Juliansyah, and A. A. Rizal, “Klasifikasi Data Log Intrusion Detection Sistem (Ids) Dengan Decision Tree C4.5,†Jurnal Bumigora Information Technology (BITe), vol. 1, no. 2, 2019, doi: 10.30812/bite.v1i2.609.
[20] A. S. Suweleh, D. Susilowati, and Hairani Hairani, “Aplikasi Penentuan Penerima Beasiswa Menggunakan Algoritma C4.5,†Jurnal BITe, vol. 2, no. 1, pp. 12–21, 2020.
[21] W. Gie and D. Jollyta, “Perbandingan Euclidean dan Manhattan Untuk Optimasi Cluster Menggunakan Davies Bouldin Index : Status Covid-19 Wilayah Riau,†Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020, vol. 2, no. April. 2020.
[22] T. Khotimah, “Pengelompokan Surat Dalam Al Qur’an Menggunakan Algoritma K-Means,†Simetris : Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 5, no. 1, pp. 83–88, 2014.
Downloads
Published
Issue
Section
How to Cite
Similar Articles
- Hadi Santoso, Hilyah Magdalena, Helna Wardhana, Aplikasi Dynamic Cluster pada K-Means BerbasisWeb untuk Klasifikasi Data Industri Rumahan , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Amir Ali, Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 1 (2019)
- Supangat Supangat, Mohd Zainuri Bin Saringat, Mochamad Yovi Fatchur Rochman, Predicting Handling Covid-19 Opinion using Naive Bayes and TF-IDF for Polarity Detection , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Anthony Anggrawan, Dwi Kurnianingsih, Christofer Satria, Sistem Aplikasi Cerdas Klasterisasi Penerima Bantuan Covid-19 , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 2 (2022)
- Christofer Satria, Peter Wijaya Sugijanto, Anthony Anggrawan, I Nyoman Yoga Sumadewa, Aprilia Dwi Dayani, Rini Anggriani, Multi-Algorithm Approach to Enhancing Social Assistance Efficiency Through Accurate Poverty Classification , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- Donny Kurniawan, Anthony Anggrawan, Hairani Hairani, Graduation Prediction System on Students Using C4.5 Algorithm , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
- Firman Noor Hasan, Achmad Sufyan Aziz, Yos Nofendri, Utilization of Data Mining on MSMEs using FP-Growth Algorithm for Menu Recommendations , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Anas Syaifudin, Purwanto Purwanto, Heribertus Himawan, M. Arief Soeleman, Customer Segmentation with RFM Model using Fuzzy C-Means and Genetic Programming , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Fadhilah Dwi Ananda, Yoga Pristyanto, Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 2 (2021)
- Sucipto Sucipto, Didik Dwi Prasetya, Triyanna Widiyaningtyas, Educational Data Mining: Multiple Choice Question Classification in Vocational School , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 2 (2024)
You may also start an advanced similarity search for this article.