PENERAPAN K-MEANS CLUSTERING UNTUK MENGELOMPOKAN PERFORMA SISWA DALAM PELAJARAN BAHASA INDONESIA
Keywords:
K-Means clustering, RapidMiner, Literasi, Bahasa indonesia.Abstract
Pembangunan suatu negara sangat bergantung pada pendidikan. SMK Negeri 1 Waingapu di Kabupaten Sumba Timur menghadapi masalah dalam pengelolaan dan pemanfaatan data nilai siswa, yang berimbas pada kurangnya personalisasi pembelajaran. Penelitian ini bertujuan untuk mengelompokkan siswa kelas XII berdasarkan nilai pengetahuan dan keterampilan dengan menggunakan metode K-Means Clustering. Data yang digunakan berasal dari laporan nilai semester 1 dan 2 pada tahun ajaran 2021/2022 kelas XII. Hasil analisis menunjukkan bahwa siswa dapat dikelompokkan ke dalam beberapa kelompok berdasarkan nilai yang mirip, yang memudahkan pengenalan kebutuhan dan potensi siswa. Performa k=2 dengan nilai 0.858, cluster 0 terdapat 19 siswa dan cluster 1 terdapat 47 siswa, dengan pengujian Davies-Bouldin Index. Pola yang ditemukan dalam penelitian ini merupakan siswa dengan nilai pengetahuan dan keterampilan yang tinggi yaitu siswa dengan jenis kelamin Perempuan pada Cluster 0. Hasil penelitian ini menunjukan bahwa penggunaan algortma k-means dapat membantu mengelompokkan siswa dengan nilai yang tinggi dan yang rendah ke dalam kelompok yang lebih kecil.
Downloads
References
Melpa Metisen, B., & Latipa Sari, H. (2015). Analisis Clustering Menggunakan Metode K-Means Dalam Pengelompokkan Penjualan Produk Pada Swalayan Fadhila. Jurnal Media Infotama, 11(2), 110–118.
Naibaho, A. F. A., & Zahra, A. (2023). Prediksi Kelulusan Siswa Sekolah Menengah Pertama Menggunakan Machine Learning. Jurnal Informatika Dan Teknik Elektro Terapan, 11(3). https://doi.org/10.23960/jitet.v11i3.3056
Noor, T. (2018). RUMUSAN TUJUAN PENDIDIKAN NASIONAL Pasal 3 UNDANG-UNDANG SISTEM PENDIDIKAN NASIONAL NO 20 TAHUN 2003. Wahana Karya Ilmiah Pendidikan, 2(01), 123–144.
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
Pahlevi Kurniawan, R. (2023). Penerapan Algoritme K-Means Clustering Untuk Mengelompokkan Siswa Berdasarkan Nilai Akademik Di Smp Negeri 207 Ssn. Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 530–538.
Ranjawali, R., Talakua, A. C., & Abineno, R. T. (2023). CLUSTERING STUNTING PADA BALITA DENGAN METODE K- MEANS DI PUSKESMAS KANATANG. 80–92.
Rizmayanti, A. I., Hidayati, N., Nugraha, F. S., & Gata, W. (2021). Penerapan Data Mining Untuk Memprediksi Kompetensi Siswa Menggunakan Metode Decission Tree ( Studi Kasus Smk Multicomp Depok ). Swabumi, 9(1), 9–18. https://doi.org/10.31294/swabumi.v9i1.8363
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
Utami, N. P., & Yanti, P. G. (2022). Pengaruh Program Literasi terhadap Hasil Belajar Bahasa Indonesia Siswa Sekolah Dasar. Jurnal Basicedu, 6(5), 8388–8394. https://doi.org/10.31004/basicedu.v6i5.3825
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Trovina Tige Kati, Reynaldi Thimotius Abineno, Arini Aha Pekuwali
This work is licensed under a Creative Commons Attribution 4.0 International License.