DATA MINING SELEKSI SISWA BERPRESTASI UNTUK MENENTUKAN KELAS UNGGULAN MENGGUNAKAN METODE K-MEANS CLUSTERING (Studi Kasus di MTS Darul Fikri )

Reyhan Putra Primanda, Aslan Alwi, Dyah Mustikasari

Abstract


MTs Darul Fikri Bringin is a Tsanawiyah Madrasah located in Ponorogo. This madrasah has a good learning system to support the quality of madrasah, one of which is a superior class program. MTs Darul Fikri Bringin is always experiencing an increase in the acceptance of new student registrants every year. In determining the superior class, there are difficulties in class clustering based on students' abilities. This is due to the increasing number of registrants each year. Therefore, in this study the data mining method is applied to help cluster superior classes with student grade variables using the K-Means Clustering Algorithm and Rstudio Tools. Where the attributes used are the report card value, activeness and presence of class VII students. The K-Means Clustring Algorithm method is used to process these 12 attributes so as to produce 2 regular clusters and 1 superior cluster with the Rshiny interface in Rstudio using the R programming language. A in cluster 1 has 23 members. Classes B, C, D include regular classes which include class B in cluster 2 totaling 25 members and classes C and D in cluster 3 totaling 52 members. The application of the K-Means Clustering Algorithm and Rstudio Tools can cluster the determination and selection of superior classes at MTs Darul Fikri.


Keywords


MTs Darul Fikri, Data Mining, k-means Clustring dan Tools Rstudio

References


Pondok Pesantren Darul Fikri. (2018, 9 Februari). Pondok Pesantren Darul Fikri Bringin Kauman Ponorogo. Retrieved from 31 Juli 2020:

http://sholikhatulwardani.blogspot.com/20

/02/pondok-pesantren-darul-fikri.html [2], Mardi, Y . (n.d.). Data Mining: Klasifikasi Menggunakan Algoritma C4.5 . Jurnal

Edik Informatika, V2.i2, 213-219.

, Anita, Muharmi, Y., & Siska, S. T. (2018). Penentuan Tingkat Minat Belajar Online Melalui Media Sosial Menggunakan Metode Clustering K- Means. Rang Teknik Journal, Vol. 1 No.2,

-134.

, Wibowo, T. (2018). Penerapan Data

Mining Pemilihan Siswa Kelas Unggulan. Skripsi, Universitas Muhammadiyah Surakarta.

,Sari, V. N., Yupianti, & Maharani, D. (2018). Penerapan Metode K-Meas Clustering dalam Menentukan Predikat Kelulusan Mahasiswa untuk Menganalisa Kualitas Lulusan. JURTEKSI, Vol. IV No.2, 133-140.

,Muhammad, A. (2016). Aplikasi Pembentukan Kelas dengan K-Means Clustering sebagai Alat Bantu Pemilihan Siswa Kelas Unggulan di MAN 3 Kediri. Artikel Skripsi, Universitas Nusantara PGRI Kediri.

,Anita,, Muharmi, Y., & Siska, S. T. (2018). Penentuan Tingkat Minat Belanja Online Melalui Media Sosial Menggunakan Metode. Rang Teknik Journal, Vol. I No.2, 126-134.

, Nugraha, R. A., & Kurniawan, D. (n.d.). Sistem Pendukung Keputusan Menggunakan Algoritma K-Means untuk Penilaian Kinerja Guru (PKG) di SMKN 1 Demak. IJCCS, 1- 11.

, Sugianto, C. A. (2015). Penerapan Teknik Data Mining untuk Menentukan Hasil Seleksi Masuk SMAN 1 Gibeber untuk Siswa Baru Menggunakan Decision Tree. TEDC, Vol 9 No. 1, 39-43.

, Rufiyanto, A. (n.d.). Data Mining. Jurnal, Universitas Pandanaran, 1-9.

, Konsep Data Mining. Diakses 31 Mei 2020, https://ocw.upj.ac.id/files/Handout-TIF311- DM-1.pdf

, Bertalya. (2009). Konsep Data Mining. Universitas Gunadarma, 1-14.

,Khomarudin, A. N. (2016). Teknik Data Mining: Algoritma. Diakses IlmuKomputer.com: https://agusnkhom.wordpress.com/

, Han, J., & Kamber, M. (n.d.). Pengantar DM (Data Mining) 1.

, Khotimah, T. (2014). Pengelompokkan Surat Dalam Al-qur'an Menggunakan Algoritma K-Means. Jurnal SIMETRIS, 83-88.

, Pham, D. T., Dimov, S. S., & Nguyen, C. D. (2004). Selection of K in K-means clustering. Manufacturing Engineering Centre, Cardiff University,Vol. 219, 103- 119.

,Informatikalogi. (2020). Algoritma K-Means

Clustering. Diakses dari INFORMA TIKALOGI.COM: https://informatikalogi.com/algoritma-k- means-clustering

,Asroni, R. A. (2015). Penerapan Metode K- Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik. Jurnal Ilmiah Semesta Teknika, Vol. 18, No. 1, 76-82.

,Tim Asprak Metkuan (2013) Kmeans Clustering. Diakses pada

http://totoharyanto.staff.ipb.ac.id/files/201 3/09/LKP-10-K_Means.pdf

, Teknomo, K. (2007). K-Means Clustering Tutorial. Diakses pada http:people.revoledu.comkardi tutorialkMean

,

Patmawati, H., & Santika, S. (2016). Penggunaan Software Microsoft Excel sebagai Alternatif Pengolahan Data Statistika Penelitian Mahasiswa Tingkat Akhir. Seminar Nasional Matematika X Universitas Negeri Semarang, 124-129.

, Supriyatna, A., & Mustika, W. P. (2018). Komparasi Algoritma Naive bayes dan SVM Untuk Memprediksi Keberhasilan Imunoterapi Untuk Memprediksi Keberhasilan Imunoterapi. Jurnal Sains Komputer & Informatika (J-SAKTI), Volume (2) No.2, 152-161.

, Muharom, L. A. (2016). Rancang Bangun Data Warehouse dan R Studio Serta Pemanfaatanya dalam Peramalan Pola Konsumsi Masyarakat di Kabupaten Jember.

JUSTINDO, Volume 01, Nomor 01, 17-25. [24], Salsabila, T. (2019, 8 Juli). K-Means Clustering using RStudio. Diakses K-Means Clustering using RStudio , 24 Juni 2020:

https://medium.com/@taniasalsabila.ts/k- means-clustering-using-rstudio- d6132830f6b


Full Text: PDF

DOI: 10.24269/jkt.v5i1.686

DOI (PDF): https://doi.org/10.24269/jkt.v5i1.686.g448

Refbacks

  • There are currently no refbacks.