ANALISIS ALGORITMA K-MEANS CLUSTERING UNTUK PEMETAAN PRESTASI SISWA STUDI KASUS SMP NEGERI I SUKAHENING

IJCIT - Indonesian Journal on Computer and Information Technology

View Publication Info
 
 
Field Value
 
Title ANALISIS ALGORITMA K-MEANS CLUSTERING UNTUK PEMETAAN PRESTASI SISWA STUDI KASUS SMP NEGERI I SUKAHENING
 
Creator Warnilah, Ai Ilah
 
Description Abstract - The high success rate of students and the low level of student failure is a reflection of the quality of education. Education today are required to have the ability to compete by utilizing all available resources. In addition to resource infrastructure, facilities and people, information systems is one of the resources that can be used to improve the ability to compete. Data mining is the process of analyzing the data to find a pattern of the data set. Data mining is able to analyze a large amount of supporting data into information in the form that has meaning for decision support. One of the clustering process of data mining is one of the methods called k-means. K-Means algorithm is the simplest clustering algorithm than other clustering algorithms. Atribut group student achievement are the Name, extracurricular, value includes the value Skills Knowledge, Attitude value, and the number of absences students. From the results of a case study of 173 students obtained with manhattan distance, chbychep distance euclidian distance the resultaccuracy 67 %.Keywords: Clustering, K-means, student achievementAbstrak - Tingginya tingkat keberhasilan siswa dan rendahnya tingkat kegagalan siswa merupakan cermin kualitas dunia pendidikan. Dunia pendidikan saat ini dituntut untuk memiliki kemampuan bersaing dengan memanfaatkan semua sumber daya yang dimiliki. Selain sumber daya sarana, prasarana dan manusia, sistem informasi merupakan salah satu sumber daya yang dapat digunakan untuk meningkatkan kemampuan bersaing. Data mining merupakan proses analisa data untuk menemukan suatu pola dari kumpulan data. Data mining mampu menganalisa jumlah data yang besar menjadi informasi yang mempunyai arti bagi pendukung keputusan. Salah satu proses data mining adalah clustering. Atribut yang digunakan dalam pengelompokan prestasi siswa adalah nama, ekstrakurikuler, nilai pengetahuan yang meliputi nilai keterampilan, nilai sikap, dan jumlah ketidak hadiran siswa. Studi kasus pada 173 siswa dengan perhitungan jarak menggunakan manhattan distance, chbychep distance dan euclidian distancemenghasilkan akurasi sebesar 67%.Kata Kunci: Clustering, k-means, Prestasi siswa
 
Publisher PPPM AMIK BSI Tasikmalaya
 
Contributor
 
Date 2016-06-28
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Artikel yang dipeer-review
 
Format application/pdf
 
Identifier http://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/425
 
Source IJCIT; Vol 1, No 1 (2016)
IJCIT (Indonesian Journal on Computer and Information Technology); Vol 1, No 1 (2016)
2549-7421
2527-449X
 
Language ind
 
Relation http://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/425/323
 
Rights ##submission.copyrightStatement##
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library