PENGELOMPOKAN PERFORMA SISWA DALAM PEMBELAJARAN BAHASA INDONESIA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING DI SMPN SATAP LAMBAKARA

Authors

  • Arcelinda Ana Mila Universitas Kristen Wira Wacana Sumba
  • Reynaldi Thimotius Abineno
  • Arini Aha Pekuwali

Keywords:

Pendidikan, Bahasa Indonesia, Literasi, Pengetahuan, Keterampilan, K-Means Clustering

Abstract

Literasi bahasa yang mencakup kemampuan membaca dan menulis, adalah komponen penting dalam pembelajaran Bahasa Indonesia. Mata pelajaran ini tidak hanya berfungsi sebagai alat komunikasi tetapi juga sebagai sarana untuk menambahkan nilai-nilai budaya, memperkaya wawasan, dan meningkatkan kemampuan berpikir kritis siswa. Penelitian ini memberikan kontribusi penting dalam bidang pendidikan dengan menunjukkan bagaimana analisis data dan teknik penambangan data dapat digunakan untuk meningkatkan kualitas pembelajaran. Implementasi pengelompokan K-Means diharapkan dapat menjadi acuan bagi sekolah lain dalam upaya meningkatkan kinerja belajar siswa melalui pendekatan yang lebih terarah dan personal. Namun demikian, kinerja siswa dalam mata pelajaran ini seringkali menunjukkan variasi yang signifikan, dipengaruhi oleh berbagai faktor seperti kemampuan individu, minat belajar, dan lingkungan belajar. Hasil penelitian menunjukkan bahwa K-Means Clustering dapat secara efektif mengelompokkan siswa ke dalam beberapa cluster. Berdasarkan pengujian nilai Davias Bouldin Index menggunakan RapidMiner, menghasilkan performa yang optimal yaitu K=2 dengan nilai 0.882 apabila nilai ini mendekati 0. Dapat disimpulkan bahwa hasil evaluasi menunjukan bahwa Siswa berada pada klaster yang baik, klaster 0 terdiri dari 34 siswa dengan faktor literasi bahasa. rendah, dan klaster 1 terdiri dari 16 siswa dengan keterampilan bahasa tinggi.

Downloads

Download data is not yet available.

References

acwanda, D. O., & Nataliani, Y. (2021). Implementasi k-Means Clustering untuk Analisis Nilai Akademik Siswa Berdasarkan Nilai Pengetahuan dan Keterampilan. Aiti, 18(2), 125–138. https://doi.org/10.24246/aiti.v18i2.125-138
Harahap, F. (2021). Perbandingan Algoritma K-Means dan K-Medoids untuk Clustering Kelas Siswa Tunagrahita. TIN: Terapan Informatika Nusantara, 2(4), 191–197. https://ejurnal.seminar-id.com/index.php/tin/article/download/873/599
Kaligis, G. B., & Yulianto, S. (2022). Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai. IT-Explore: Jurnal Penerapan Teknologi Informasi Dan Komunikasi, 1(3), 179–193. https://doi.org/10.24246/itexplore.v1i3.2022.pp179-193
Mustafa, P. S., & Masgumelar, N. K. (2022). Pengembangan Instrumen Penilaian Sikap, Pengetahuan, dan Keterampilan dalam Pendidikan Jasmani. Biormatika : Jurnal Ilmiah Fakultas Keguruan Dan Ilmu Pendidikan, 8(1), 31–49. https://doi.org/10.35569/biormatika.v8i1.1093
Nurul Alifia, A., Fahrudi Setiawan, A., & Rudhistiar, D. (2024). Penerapan Algoritma K-Means Clustering Dalam Peringatan Dini Resiko Kegagalan Siswa Pada Mata Pelajaran Bahasa Indonesia. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1174–1181. https://doi.org/10.36040/jati.v8i2.9075
Saputra, E. A., & Nataliani, Y. (2021). Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means. Journal of Information Systems and Informatics, 3(3), 424–439. https://doi.org/10.51519/journalisi.v3i3.164
Sibuea, M. L., & Safta, A. (2017). Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustring. Jurteksi, 4(1), 85–92. https://doi.org/10.33330/jurteksi.v4i1.28
Sulistiyawati, A., & Supriyanto, E. (2021). Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan. Jurnal Tekno Kompak, 15(2), 25. https://doi.org/10.33365/jtk.v15i2.1162

Downloads

Published

02-09-2024