Implementasi Algoritma K-Means untuk Klasterisasi Peserta Olimpiade Sains Nasional Tingkat SMA

Hasanah, Miftahul; Defit, Sarjon; Nurcahyo, Gunadi Widi

doi:10.35134/jsisfotek.v1i3.7

Cited by 5 publications

(4 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Data Mining merupakan proses untuk menemukan pengetahuan (Knowledge Discovery) yang ditambang dari sekumpulan data yang volumenya sangat besar [4], dan dapat membantu dalam mengambil keputusan [5]. Data Mining adalah metode Clustering dengan algoritma K-Means [6]. Clustering merupakan aktivitas (task) yang bertujuan mengelompokkan data yang memiliki kemiripan antara satu data dengan data lainnya ke dalam klaster sehingga data dalam satu klaster memiliki tingkat kemiripan yang maksimum dan data antar klaster memiliki kemiripan yang minimum [7].…”

Section: Pendahuluanunclassified

Akurasi Pemetaan Kelompok Belajar Siswa Menuju Prestasi Menggunakan Metode K-Means

2021

Self Cite

View full text Add to dashboard Cite

The quality of students in school has a lot of diversity, this makes students have different levels of understanding. This can be seen from the variety of student scores obtained on report card scores, this needs to be a concern for the school, especially teachers. One of them is by forming effective study groups so that every student has the opportunity to excel. So this research was carried out with the aim of helping schools, especially teachers, to map student study groups evenly based on student report cards obtained in Semester I to Semester IV. The method used was clustering with the K-Means algorithm on the report card scores of Class IX.C students at SMP Pembangunan Laboratorium UNP. The results in this study obtained 3 clusters of students, namely students with High Achievement, Achievement and Less Achievement. This research can be used as a guide for teaching teachers in making decisions about the formation of student study groups in Class IX.C.

show abstract

Section: Pendahuluanunclassified

Akurasi Pemetaan Kelompok Belajar Siswa Menuju Prestasi Menggunakan Metode K-Means

2021

Self Cite

View full text Add to dashboard Cite

show abstract

“…Clustering melakukan pengelompokan obyek kedalam kelas-kelas obyek yang sama [10] [11]. Perhitungan dengan K-Means clustering adalah proses yang dilakukan secara berulang-ulang [12]. Clustering dengan algoritma K-Means melakukan pengelompokan terhadap data nilai rapor siswa dengan data sampel sebanyak 23 siswa yang menghasilkan 3 cluster tingkat kompetensi siswa untuk pemilihan peserta Olimpiade Sains Nasional [13].…”

Section: Pendahuluanunclassified

Klasterisasi Penempatan Siswa yang Optimal untuk Meningkatkan Nilai Rata-Rata Kelas Menggunakan K-Means

Elda

Defit

Yunus

et al. 2021

jidt

Self Cite

View full text Add to dashboard Cite

The implementation of learning by teachers can measure the quality of schools and students. Schools with diverse student backgrounds need to take strategic steps in managing learning to get optimal learning outcomes. Good learning designs and techniques can motivate students' interest in learning. The teacher's role is very important in managing learning to create an effective teaching and learning process. Data Mining or also known as Knowledge Discovery in Database (KDD) is the process of extracting knowledge from large data to find new patterns to get new knowledge and information. Data Mining technology is used to explore existing knowledge in the database. One of the methods used in data mining is clustering with the K-Means algorithm. This study aims to conduct student clustering to obtain a balanced class composition in order to improve the quality and student learning outcomes as seen in the increasing in the class average score. The data processed in this study came from the main school data as many as 90 students of the XI class of Computer Network Engineering Skills Competency at SMKN Negeri 2 Padang Panjang in the 2020/2021 school year. The variables used in data processing are student scores, parents' income and the distance from where students live to school. The student clustering calculation using K-Means succeeded in grouping 90 students into 3 clusters where cluster 1 totaled 47 students, cluster 2 totaled 10 students and cluster 3 totaled 33 students. Each member of the cluster will be divided evenly into 3 groups studying to get a balanced class composition. This research can be used as a basis for decision making by schools in clustering student placements to improve learning outcomes. By the increasing in the grade point average, the school average score will also increased.

show abstract

“…Data mining menggunakan teknik atau metode tertentu dalam pencarian informasi dalam sekumpulan data. Dalam proses klusterisasi data teknik yang paling tepat digunakan adalah k-means clustering.Algoritma K-Means Clustering adalah teknik dalam Data Mining yang mempartisi data yang ada ke dalam beberapa cluster sehingga data yang memiliki karakteristik yang sama akan dikelompokkan ke dalam satu cluster sedangkan data dengan karakteristik yang berbeda akan dikelompokkan ke dalam cluster lain [2].…”

Section: Pendahuluanunclassified

Prediksi Tingkat Kerugian Peternak Akibat Penyakit pada Sapi Menggunakan Algoritma K-Means Clustering

Kurniawan

Defit

Sumijan

2020

jidt

Self Cite

View full text Add to dashboard Cite

Data mining sangat tepat untuk mengolah data, menghasilkan nilai tambah dari suatu tumpukan data berupa peengetahuan yang tidak diketahui secara manual.K Means Clustering Metode penganalisaan data dan mengelompok berdasarkan kemiripan, metode ini sangat tepat untuk memprediksi tingkat kerugian peternak akibat penyakit pada sapi.Mempredisi tingkat kerugian peternak akibat penyakit pada sapi dengan mengelompokan berdasarkan kemiripan dan kesamaan jenis penyakit, sehingga mempermudah mengambil kesimpulan.Data yang diolah dalam penelitian ini sebanyak 9 data yang bersumber dari data penyakit sapi yang ada di UPTD Puskeswan Palangki dari bulan Januari sampai Desember Tahun 2019.Berdasarkan analisis terhadap data tersebut oleh dokter hewan yang bertugaspada UPTD Puskeswan Palangki, terdapat 9 jenis penyakit.Selanjutnya data diolah menggukan metode K means Clustering dan dibuktukan mengunakan aplikasi WEKA. Hasil dari pengujian terhadap metode ini adalah 3 penyakit dengan tingkat kerugian tinggi dan 6 penyakit tingkat kerugian rendah. Data hasil pengujiian telah dapat mempredisi penyakit pada sapi dengan mengelompkan menjadi dua bagian yaitu sebanyak 3 penyakit dengan tingkat kerugian tinggi dan 6 penyakit tingkat kerugian rendah

show abstract

Implementasi Algoritma K-Means untuk Klasterisasi Peserta Olimpiade Sains Nasional Tingkat SMA

Cited by 5 publications

References 8 publications

Akurasi Pemetaan Kelompok Belajar Siswa Menuju Prestasi Menggunakan Metode K-Means

Akurasi Pemetaan Kelompok Belajar Siswa Menuju Prestasi Menggunakan Metode K-Means

Klasterisasi Penempatan Siswa yang Optimal untuk Meningkatkan Nilai Rata-Rata Kelas Menggunakan K-Means

Prediksi Tingkat Kerugian Peternak Akibat Penyakit pada Sapi Menggunakan Algoritma K-Means Clustering

Contact Info

Product

Resources

About