Aplikasi Pemetaan Kualitas Pendidikan di Indonesia Menggunakan Metode K-Means
DOI:
https://doi.org/10.30812/matrik.v17i2.84Keywords:
Clustering, k-means, pemetaanAbstract
Aplikasi Pemetaan Kualitas Pendidikan Di Indonesia Menggunakan Metode K-Means adalah sebuah aplikasi yang dirancang untuk memudahkan pemetaan kualitas pendidikan di Indonesia. Aplikasi ini dapat membuat sebuah cluster dari kualitas pendidikan di Indonesia berdasarkan sejumlah parameter yaitu Angka Partisipasi Kasar, Angka Partisipasi Murni, Angka Putus Sekolah, Angka Kelulusan, Angka Melanjutkan, Jumlah Sekolah, Rasio Siswa/Sekolah, Rasio Siswa/Kelas, Rasio Kelas/Guru, Rasio Kelas/Sekolah, Rombongan Belajar/Ruang Kelas, dan Jarak Sekolah. Keluaran atau output dari sistem berupa peta yang mengelompokkan daerah-daerah sesuai dengan kualitas pendidikan yang dimilikinya. Analisis perancangan yang digunakan dalam pembuatan sistem ini menggunakan UML (Unified Modeling Language) dimana setiap aktivitas pada sistem akan dikelompokkan secara sendiri-sendiri di dalam sebuah use case diagram dan alur dari sistem digambarkan dalam bentuk flowchart. Perancangan sistem yang dilakukan antara lain perancangan basis data. Perancangan berdasarkan spesifikasi kebutuhan, dan perancangan antarmuka. Secara umum aplikasi ini dapat menghitung data parameter kualitas pendidikan dengan menggunakan metode K-Means Clustering, dan menampilkan hasilnya dalam bentuk peta, sehingga dinas pendidikan atau lembaga-lembaga yang menangani pendidikan di Indonesia dapat membandingkan kualitas pendidikan setiap provinsi di Indonesia
Key word : Clustering, k-means, pemetaan
Downloads
Download data is not yet available.
References
[1] A. Sahroji, “Daftar Negara ASEAN dengan Peringkat Pendidikan Tertinggi,†2017. [Online]. Available: https://news.okezone.com/read/2017/11/24/18/1820178/daftar-negara-asean-dengan-peringkat-pendidikan-tertinggi. [Accessed: 12-Apr-2018].
[2] C. Shafrudin, Makna dan Aplikasi Sederhana Indikator Pendidikan. 2005. Departemen Pendidikan Nasional, Badan Pendidikan dan Pengembangan, Pusat Data dan Inforamasi Pendidikan, Bidang Pendayagunaan Data dan Informasi, Jakarta.
[3] H. Kamber. 2007. Data Mining Concepts and Techniques Second Edition. Elsevier Inc.
[4] N. K. Visalakshi and K. Thangavel, “Impact of normalization in distributed K-means clustering,†International Journal of Soft Computing, vol. 4, no. 4, 2009, pp. 168–172.
[5] S. Chakraborty, “A Simulation Based Comparative Study of Normalization Procedures in Multiattribute Decision Making,†6th WSEAS Int. Conf. Artif. Intell. Knowl. Eng. Data Bases, vol. Proceeding, 2007, pp. 102–109.
[6] E. Turban, J. E. Aronson, and T.-P. Liang. 2005. Decision Support Systems and Intelligent Systems. International Edition, 7th Edition, Pearson Prentice-Hall Education International, New Jersey.
[7] R. Michael Yoseph and R. Michael Yoseph. 2006. “Analisis dan Perancangan Sistem Informasi Laboratorium Rumah Sakit Kanker Dharmais dengan menggunakan Total Architecture Syntesis,†Binus University Jakarta.
[8] N. Afifah. 2012. “Sistem Pendukung Keputusan Penerimaan Beasiswa Magang Menggunakan Metode SAW (Simple Additive Weighting),†Universitas Trunojoyo Madura.
[2] C. Shafrudin, Makna dan Aplikasi Sederhana Indikator Pendidikan. 2005. Departemen Pendidikan Nasional, Badan Pendidikan dan Pengembangan, Pusat Data dan Inforamasi Pendidikan, Bidang Pendayagunaan Data dan Informasi, Jakarta.
[3] H. Kamber. 2007. Data Mining Concepts and Techniques Second Edition. Elsevier Inc.
[4] N. K. Visalakshi and K. Thangavel, “Impact of normalization in distributed K-means clustering,†International Journal of Soft Computing, vol. 4, no. 4, 2009, pp. 168–172.
[5] S. Chakraborty, “A Simulation Based Comparative Study of Normalization Procedures in Multiattribute Decision Making,†6th WSEAS Int. Conf. Artif. Intell. Knowl. Eng. Data Bases, vol. Proceeding, 2007, pp. 102–109.
[6] E. Turban, J. E. Aronson, and T.-P. Liang. 2005. Decision Support Systems and Intelligent Systems. International Edition, 7th Edition, Pearson Prentice-Hall Education International, New Jersey.
[7] R. Michael Yoseph and R. Michael Yoseph. 2006. “Analisis dan Perancangan Sistem Informasi Laboratorium Rumah Sakit Kanker Dharmais dengan menggunakan Total Architecture Syntesis,†Binus University Jakarta.
[8] N. Afifah. 2012. “Sistem Pendukung Keputusan Penerimaan Beasiswa Magang Menggunakan Metode SAW (Simple Additive Weighting),†Universitas Trunojoyo Madura.
Downloads
Published
2018-05-30
Issue
Section
Articles
How to Cite
[1]
G. S. Nugraha and H. Hairani, “Aplikasi Pemetaan Kualitas Pendidikan di Indonesia Menggunakan Metode K-Means”, MATRIK, vol. 17, no. 2, pp. 13–23, May 2018, doi: 10.30812/matrik.v17i2.84.
Similar Articles
- 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)
- Suhirman Suhirman, Shoffan Saifullah, Ahmad Tri Hidayat, Rr Hajar Puji Sejati, Otsu Method for Chicken Egg Embryo Detection based-on Increase Image Quality , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 2 (2022)
- Reni Fatrisna Salsabila, Didik Dwi Prasetya, Triyanna Widyaningtyas, Tsukasa Hirashima, Comparison of Text Representation for Clustering Student Concept Maps , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 2 (2025)
- Yully Sofyah Waode, Anang Kurnia, Yenni Angraini, K-Means Optimization Algorithm to Improve Cluster Quality on Sparse Data , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 3 (2024)
- Tb Ai Munandar, Ajif Yunizar Yusuf Pratama, Regional Clustering Based on Types of Non-Communicable Diseases Using k-Means Algorithm , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 2 (2024)
- Dinny Komalasari, Maria Ulfa, Pengujian Usability Heuristic Terhadap Perangkat Lunak Pembelajaran Matematika , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
- 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)
- Deny Jollyta, Prihandoko Prihandoko, Dadang Priyanto, Alyauma Hajjah, Yulvia Nora Marlim, Comparison of Distance Measurements Based on k-Numbers and Its Influence to Clustering , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 1 (2023)
- Ahmat Adil, Bambang Krismono Triwijoyo, Sistem Informasi Geografis Pemetaan Jaringan Irigasi dan Embung di Lombok Tengah , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 2 (2021)
- Solikhun Solikhun, Lise Pujiastuti, Mochamad Wahyudi, Enhancing Lung Cancer Prediction Accuracy UsingQuantum-Enhanced K-Medoids with Manhattan Distance , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 3 (2025)
1-10 of 52
Next
You may also start an advanced similarity search for this article.
Most read articles by the same author(s)
- Dyah Susilowati, Hairani Hairani, Indah Puji Lestari, Khairan Marzuki, Lalu Zazuli Azhar Mardedi, Segmentasi Lokasi Promosi Penerimaan Mahasiswa Baru Menggunakan Metode RFM dan K-Means Clustering , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 2 (2022)
- Muhamad Azwar, Sri Winarni Sofya, Riwayati Malika, Hairani Hairani, Juvinal Ximenes Guterres, Combination Forward Chaining and Certainty Factor Methods for Selecting the Best Herbs to Support Independent Health , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 2 (2025)
- Nurun Latifah, Ramaditia Dwiyansaputra, Gibran Satya Nugraha, Multiclass Text Classification of Indonesian Short Message Service (SMS) Spam using Deep Learning Method and Easy Data Augmentation , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 3 (2024)
- Putu Tisna Putra, Anthony Anggrawan, Hairani Hairani, Comparison of Machine Learning Methods for Classifying User Satisfaction Opinions of the PeduliLindungi Application , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- 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)
- Dadang Priyanto, Bambang Krismono Triwijoyo, Deny Jollyta, Hairani Hairani, Ni Gusti Ayu Dasriani, Data Mining Earthquake Prediction with Multivariate Adaptive Regression Splines and Peak Ground Acceleration , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- Abdurraghib Segaf Suweleh, Dyah Susilowaty, Hairani Hairani, Khairan Marzuki, Penanganan Ketidak Seimbangan Kelas Menggunakan Pendekatan Level Data , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- Indradi Rahmatullah, Gibran Satya Nugraha, Arik Aranta, Feature Selection on Grouping Students Into Lab Specializations for the Final Project Using Fuzzy C-Means , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 1 (2023)
.png)
