IMPLEMENTASI K-MEANS CLUSTERING UNTUK PEMBAGIAN KELAS SISWA
Author (Penulis)
Nisia Yuanita
Universitas Nusantara PGRI Kediri
Author Identity (NPM)
12.1.03.02.0017
Abstract
Abstrak
Nisia Yuanita : Implementasi K-Means Clustering untuk Pembagian Kelas Siswa, Skripsi, Teknik Informatika, FT UN PGRI Kediri, 2016.
Dalam membagi kelas siswa sering kali dijumpai sistem yang digunakan masih manual sehingga pembagian kelas menjadi tidak merata. Hal tersebut memungkinkan terjadi persaingan yang tidak sehat baik antar siswa dan antar kelas sehingga dinilai kurang efektif dan efisien.
Permasalahan penelitian ini adalah (1) Bagaimana cara membangun aplikasi guna membantu pengambilan keputusan untuk pengelompokan dan pembagian kelas siswa? (2) Bagaimana mengimplementasikan K-Means untuk pengelompokan dan pembagian kelas siswa secara merata ?
Penelitian ini menggunakan nilai UTS siswa kelas VII semester gasal MTs Sunan Ampel yang terdiri dari nilai bidang studi matematika, bahasa indonesia, bahasa inggris, dan ilmu pengetahuan alam.
Kesimpulan penelitian ini adalah (1) Dihasilkan sebuah aplikasi untuk pengelompokan kelas siswa menggunakan metode k-means. (2) Dari sampel 150 siswa, 51 siswa masuk di kelas A, 50 siswa masuk di kelas B, dan siswa dengan jumlah 49 masuk di kelas C.
Berdasarkan simpulan hasil penelitian ini direkomendasikan : (1) Jumlah sampel dan penambahan variabel lebih di perbanyak. (2) Menggunakan perangkat lunak lain dan algoritma lain seperti Fuzzy Clustering dan K-Means++.
Kata kunci : Data Mining, K-Means Clustering, Pembagian Kelas.