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
- Ni Wayan Sumartini Saraswati, I Gusti Ayu Agung Diatri Indradewi, Recognize The Polarity of Hotel Reviews using Support Vector Machine , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 1 (2022)
- Paska Marto Hasugian, Devy Mathelinea, Siska Simamora, Pandi Barita Nauli Simangunsong, Comparative Evaluation of Data Clustering Accuracy through Integration of Dimensionality Reduction and Distance Metric , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 3 (2025)
- Aini Suri Talita, Aristiawan Wiguna, Implementasi Algoritma Long Short-Term Memory (LSTM) Untuk Mendeteksi Ujaran Kebencian (Hate Speech) Pada Kasus Pilpres 2019 , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 1 (2019)
- Muhammad Tajuddin, Abdul Manan, RANCANG BANGUN SISTEM INFORMASI MONITORING SATUAN KERJA DALAM RANGKA GOOD GOVERNANCE , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 15 No. 1 (2015)
- Relita Buaton, Solikhun Solikhun, Application of Numerical Measure Variations in K-Means Clustering for Grouping Data , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 1 (2023)
- Melati Rosanensi, Improving E-Commerce Effectiveness Using Augmented Reality , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
- Ni Gusti Ayu Dasriani, Anthony Anggrawan, Pengembangan Sistem Aplikasi Cerdas Memprediksi Penjualan Mebel Berbasis website , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Pungkas Subarkah, Enggar Pri Pambudi, Septi Oktaviani Nur Hidayah, Perbandingan Metode Klasifikasi Data Mining untuk Nasabah Bank Telemarketing , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- Prihandoko Prihandoko, Deny Jollyta, Gusrianty Gusrianty, Muhammad Siddik, Johan Johan, Cluster Validity for Optimizing Classification Model: Davies Bouldin Index – Random Forest Algorithm , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
- M. Khairul Anam, Bunga Nanti Pikir, Muhammad Bambang Firdaus, Susi Erlinda, Agustin Agustin, Penerapan Na ̈ıve Bayes Classifier, K-Nearest Neighbor (KNN) dan Decision Tree untuk Menganalisis Sentimen pada Interaksi Netizen dan Pemeritah , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
You may also start an advanced similarity search for this article.