PENGELOMPOKAN PERFORMA SISWA DALAM PELAJARAN MATEMATIKA DENGAN ALGORITMAK-MEANS DI SMP NEGERI 4 MAULIRU

Authors

  • Suranto Tamu Boku Universitas Kristen Wira Wacana Sumba
  • Reynaldi Thimotius Abineno Universitas Kristen Wira Wacana Sumba
  • Arini Aha Pekuwali Universitas Kristen Wira Wacana Sumba

Keywords:

Algoritma K-means, Data mining, Clustering, Literasi, Pendidikan.

Abstract

Literasi numerasi merupakan aspek penting dalam pendidikan matematika yang memiliki dampak signifikan terhadap kesuksesan siswa dalam memahami dan menerapkan konsep matematika dalam kehidupan sehari-hari. Penelitian ini menggunakan algoritma K-Means, metode clustering yang efektif untuk mengelompokan data berdasarkan kesamaan atribut. Data yang digunakan dalam penelitian ini adalah nilai pengetahuan dan keterampilan siswa dalam mata pelajaran matematika. Tujuan penelitian ini adalah untuk menentukan tingkat literasi numerasi siswa di SMP Negeri 4 Mauliru dengan menggunakan algoritma K-Means dengan menganalisis dan mengevaluasi hasil clustering untuk mendapatkan pemahaman yang lebih baik tentang tingkat literasi numerasi siswa. Berdasarkan hasil pengujian nilai Davies Bouldin Index perhitungan menggunakan aplikasi RapidMiner, menghasilkan performa yang optimal yaitu K=2 dengan nilai 0.862 dimana nilai tersebut tinggi dan tidak mendekati 0, hal ini menunjukan bahwa data nilai siswa tidak bervariasi secara signitifkan. Meskipun DBI tinggi, hasil klasterisasi masih dapat dianggap baik karna nilai standar deviasi yang rendah menunjukan konsistensi dalam performa siswa. Cluster 0 merupakan cluster yang memiliki nilai tinggi yaitu 14 siswa, dan Cluster 1 adalah kelompok yang terdiri dari 46 siswa yang memiliki nilai terendah.

Downloads

Download data is not yet available.

References

Anwar, S., Suprapti, T., Dwilestari, G., Ali, I., Studi Rekayasa Perangkat Lunak Jln Perjuangan No, P., & Kesambi Kota Cirebon, B. (2022). PENGELOMPOKKAN HASIL BELAJAR SISWA DENGAN METODE CLUSTERING K-MEANS Program Studi Sistem Informasi Jln Perjuangan No 10B Kesambi Kota Cirebon 4). Jurnal Sistem Informasi dan Teknologi Informasi), 4(2), 60–72.
Asmana, A., Arie Wijaya, Y., & Martanto, M. (2022). Clustering Data Calon Siswa Baru Menggunakan Metode K-Means Di Sekolah Menengah Kejuruan Wahidin Kota Cirebon. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 552–559. https://doi.org/10.36040/jati.v6i2.5236
Br Sembiring, S. N., Winata, H., & Kusnasari, S. (2022). Pengelompokan Prestasi Siswa Menggunakan Algoritma K-Means. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 1(1), 31. https://doi.org/10.53513/jursi.v1i1.4784
Dacwanda, 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
Febrinita, F., Puspitasari, W., & Zaman, W. (2023). Klasterisasi Hasil Belajar Matematika dengan Algoritma K-Means Clustering. Generation Journal, 7(2), 116–125. https://doi.org/10.29407/gj.v7i2.20359
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. https://doi.org/10.31949/infotech.v9i1.5343
Ranjawali, R., Talakua, A. C., & Abineno, R. T. (2023). CLUSTERING STUNTING PADA BALITA DENGAN METODE K- MEANS DI PUSKESMAS KANATANG. 80–92.
Sopyan, Y., Lesmana, A. D., & Juliane, C. (2022). Analisis Algoritma K-Means dan Davies Bouldin Index dalam Mencari Cluster Terbaik Kasus Perceraian di Kabupaten Kuningan. Building of Informatics, Technology and Science (BITS), 4(3), 1464–1470. https://doi.org/10.47065/bits.v4i3.2697
Teknik, I., Peminatan, P., Siswa, J., & Algoritma, M. (2021). Indra Gunawan 3) , Iin Parlina 4) , Irawan 5) 1) 3) 4) 5) Teknik Informatika. 2(2), 1–5. http://creativecommons.org/licences/by/4.0/%0Ahttp://ejournal.uhb.ac.id/index.php/IKOMTI

Downloads

Published

02-09-2024