Klasterisasi Hasil Ujian Nasional SMA/MA dengan Algoritma K-Means
DOI:
https://doi.org/10.23887/wms.v15i1.25380Abstract
Penelitian bertujuan untuk mengetahui bagaimana klasterisasi kualitas pendidikan SMA/MA berdasarkan hasil ujian nasional SMA/MA provinsi di Indonesia tahun ajaran 2018/2019 dengan algoritma K-Means. Algoritma K Means adalah metode klasterisasi non hirarki yang mempartisi objek ke dalam beberapa kelompok (klaster). Penelitian ini adalah penelitian data mining (penambangan data), dimana data diperoleh dari website resmi Pusat Penilaian Pendidikan dan Kebudayaan Kementrian Pendidikan dan Kebudayaan Republik Indonesia. Data yang diperoleh berisi rerata variabel yang diujikan dalam ujian nasional. Prosedur penambangan data yang ditempuh dalam penelitian ini yaitu pembersihan data, integrasi data, pemilihan data, transformasi data, penambangan data, evaluasi pola dan presentasi pengetahuan. Hasil klasterisasi yang diperoleh dalam penelitian ini adalah terdapat 2 provinsi yang dikategorikan ke dalam klaster 1, 10 provinsi dikategorikan ke dalam klaster 2, 11 dikategorikan ke dalam klaster 3 dan 12 provinsi dikategorikan ke dalam klaster 4. Hasil evaluasi dari algoritma K-Means menghasilkan nilai evaluasi Prtition Coefficiens Indek (PCI) 0,81.
Kata-kata kunci : klasterisasi, kualitas, ujian nasional, Algoritma K-Means
References
Aditya,A., Jovian, I. , Sari BN. (2020). Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019. Jurnal Media Informatika Budidarma 4 (1), 51-58, 2020.
Hartanti, NT. (2018). Education data mining untuk menentukan kelompok belajar ujian nasional di SMK. Jurnal Tekno Kompak 12 (2), 39-44, 2018.
Irwan, B. (2012). Data Clustering Menggunakan Metodologi CRISP-DM Untuk Pengenalan Pola Proporsi Pelaksaaan Tri Dharma.
Khomarudin, A. N. (2016). Teknik Data Mining: Alogoritma K-Means Clustering. IlmuKomputer.com , 3.
Mulyani, EDS., Agustin, YH., Surgawi, NM., Susanto, S (2018). Implementasi Algoritma K-Means dan Fp-Growth untuk Rekomendasi Bimbingan Belajar Berdasarkan Segmentasi Akademik Siswa. IT (Informatic Technique) Journal 6 (2), 160-173, 2018.
Prasetyo, E. (2014). Data Mining : Mengolah Data Menjadi Informasi Menggunakan Mathlab.
R.Mythily, A.Banu, & Raghunathan, S. (2015). Custering Models for Data Stream Mining.
Sutriyani, TP., Siregar, AM., Kusumaningrum, DS. (2018). Implementasi Algoritma K-Means Terhadap Pengelompokan Nilai Ujian Nasional Tingkat SMP di Provinsi Jawa Barat. Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi 3 (1), 30-36, 2018.
Tohir, M. (2019). Hasil PISA Indonesia Tahun 2018 Turun dibandingkan Tahun 2015. 1.
Yadav, R., & Sharma, A. (2012). Advance Methods to Improve Performance of K-Means Algorithm. Global Journal of Computer Science and Technology , 3.
Downloads
Published
Issue
Section
License
Wahana Matematika and Sains is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License
