PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN PERFORMA SISWA PADA PEMBELAJARAN BAHASA INDONESIA (Studi Kasus: SD INPRES WAINGAPU 3)

Authors

  • Natalia Bili Universitas Kristen Wira Wacana Sumba
  • Reynaldi Thimotius Abineno Universitas Kristen Wira Wacana Sumba
  • Arini Aha Pekuwali Universitas Kristen Wira Wacana Sumba

Keywords:

K-Means Clustering, Pembelajaran Bahasa Indonesia, Nilai

Abstract

Dalam upaya meningkatkan literasi bahasa siswa di SD Inpres Waingapu 3, penelitian ini menerapkan algoritma K-Means Clustering untuk mengelompokkan performa siswa berdasarkan nilai pengetahuan dan keterampilan mereka dalam mata pelajaran Bahasa Indonesia. Rumusan masalah yang diangkat adalah bagaimana melakukan clustering untuk meningkatkan literasi bahasa dengan menggunakan metode K-Means yang memanfaatkan nilai pengetahuan dan keterampilan siswa. Tujuan penelitian ini adalah untuk mengelompokkan siswa ke dalam beberapa cluster berdasarkan performa mereka sehingga strategi pembelajaran yang lebih tepat sasaran dapat dirancang dan diterapkan sesuai kebutuhan setiap kelompok. Hasil penelitian menunjukkan bahwa dengan menggunakan metode DBI, jumlah cluster optimal ditentukan sebanyak tiga cluster. Proses clustering yang dilakukan dengan RapidMiner menghasilkan tiga kelompok siswa dengan karakteristik performa yang berbeda-beda, yang dapat dijadikan dasar untuk merancang intervensi pendidikan yang lebih efektif dan spesifik.

Downloads

Download data is not yet available.

References

Alifia, A. N., Setiawan, A. F., & 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.
Anggraeni, M. R., Yudatama, U., & Maimunah, M. (2023). Clustering Prevalensi Stunting Balita Menggunakan Agglomerative Hierarchical Clustering. Jurnal Media Informatika Budidarma, 7(1), 351-359.
Faujia, R. A., Setianingsih, E. S., & Pratiwi, H. (2022, November). Analisis Klaster K-Means Dan Agglomerative Nesting Pada Indikator Stunting Balita Di Indonesia. In Seminar Nasional Official Statistics (Vol. 2022, No. 1, pp. 1249- 1258).
Fadilah, A., Pangestu, M. N., Lumbanbatu, S., & Defiyanti, S. (2022). Pengelompokan Kabupaten/Kota Di Indonesia Berdasarkan Faktor Penyebab Stunting Pada Balita Menggunakan Algoritma K-Means. JIKO (Jurnal Informatika dan Komputer), 6(2), 223-230.
Fatimah, C. (2020). Penggunaan metode praktik dalam meningkatkan keterampilan teknik budi daya tanaman obat. Al-Azkiya: Jurnal Ilmiah Pendidikan MI/SD, 5(1), 25-32.
Matdoan, M. Y., Risdiana, F. Y., & Haumahu, G. (2022). Application of the KMeans Cluster for the Classification of Disadvantaged Districts/Cities in Maluku Province. JRST (Jurnal Riset Sains dan Teknologi), 6(1), 61-64.
Nainggolan, R., & Purba, E. N. (2019). Perbaikan Performa Cluster K-Means Menggunakan Sum Squared Error (SSE) Pada Analisis Online Customer Review Terhadap Produk Toko Online. Jurnal Times, 8(2), 1-8.
Ningrum, K. K., Maulindar, J., & Farida, A. (2023). Penerapan Algoritma K-Means untuk Pengelompokkan Penilaian Akhir Semester di SDN Kadokan 01 Sukoharjo. INFOTECH journal, 9(1), 190-197.
N. Yannuansa, M. Safa’udin, and M. I. Aziz, “Pemanfaatan Algoritma K-Means Clustering dalam Mengolah Pengaruh Hasil Belajar Terhadap Pendapatan Orang Tua Pada Mata Pelajaran Produktif,” J. Tecnoscienza, vol. 6, no. 1, pp. 43–55, 2021, doi: 10.51158/tecnoscienza.v6i1.530.
N. Yannuansa, dkk. (2021). Penggunaan Davies-Bouldin Index dalam Evaluasi Hasil Clustering. Jurnal Teknik Informatika, 10(2), 100-110.
Sari, P. F., Pardede, A. M., & Maulita, Y. (2021, June). Pengelompokan Populasi Hewan Ternak Menggunakan Metode Clustering (Studi Kasus: Dinas Pertanian dan Ketahanan Pangan Kabupaten Langkat). In Seminar Nasional Informatika (SENATIKA) (pp. 37-46).
Sembiring, S. N. B., Winata, H., & Kusnasari, S. (2022). Pengelompokan Prestasi Siswa Menggunakan Algoritma K-Means. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 1(1), 31-40.
Wibowo, A. P., Darmawan, W., & Amalia, N. (2022). Komparasi Metode Naïve Bayes dan K-Nearest Neighbor terhadap Analisis Sentimen Pengguna Aplikasi Pedulilindungi. IC-Tech, 17(1), 18-23.
Yulia, N., Saragih, R., & Ambarita, I. (2021). Data Mining Pengelompokan Anak Stunting Berdasarkan Usia, Penyebab dan Pekerjaan Orang Tua Dengan Menggunakan Metode Clustering (Studi Kasus: Dinas Kesehatan Kabupaten Langkat). In Seminar Nasional Informatika (SENATIKA) (pp. 295-306).

Downloads

Published

02-09-2024

Issue

Vol. 3 No. 1 (2024): PROSIDING SEMNAS SATI 3

Section

Articles

License

Copyright (c) 2024 Natalia Bili, Reynaldi Thimotius Abineno, Arini Aha Pekuwali

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.