Implementasi Data Mining Pengelompokan Siswa/Siswi Potensial Di MTS Ikhwanuts Tsalits Talun Kenas Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.30865/json.v6i2.8756Keywords:
Data Mining, Pengelompokan, K-Means, Siswa/Siswi, PotensialAbstract
Perkembangnya teknologi informasi telah mengubah dunia menjadi serba lebih mudah di semua bidang kehidupan dan mendorong untuk lebih kreatif dan inovatif terbukti bahwa mekanisme kerja yang panjang menjadai efektif dan efisien dalam menemukan masalah yang dihadapi. Dengan adanya berbagai teknologi saat ini membuat semua menjadi lebih mudah memperoleh solusi yang akurat dalam suatu masalah. Dalam proses pengelompokan siswa/siswi potensial pada suatu sekolah banyak terdapat berbagai kendala atau masalah yang dihadapi. Salah satunya adalah pengelompokan data siswa/siswi potensial pada MTS Ikhwawanuts Tsalits Talun Kenas yang kurang maksimal atau efisien. Untuk mengatasi masalah tersebut, diperlukan data mining dengan metode algoritma K-means Clustering dalam pengelompokan siswa/siswi berdasarkan potensi yang dimilik. Dengan hasil penelitian yang diperoleh di harapkan dapat memberikan informasi yang efektif kepada Kepala Sekolah dan guru yang mengajar dalam mengetahui atau menentukan potensi yang dimiliki siswa/siswinya. Pengelompokan data siswa/siswi potensial dilakukan dengan meliputi variabel, yaitu : NISN (Nomor Induk Siswa nasional), Nama dan Nilai siswa/siswi. Nilai siswa/siswi diambil berdasarkan jumlah nilai bahasa indonesia, matematika, dan ipa (ilmu pengetahuan alam).
References
D. I. Jenjang and S. Dasar, “PENERAPAN PENGELOMPOKAN SISWA BERDASARKAN PRESTASI DI JENJANG SEKOLAH DASAR Doddy Hendro Wibowo,” vol. 14, no. 2, pp. 148–159, 2015.
P. Ekonomi, D. I. Provinsi, and S. Selatan, “1 , 2 , 3,” pp. 1–9, 2018.
R. S. Kenett and E. Baker, “Software Process Quality,” Softw. Process Qual., pp. 448–475, 1999, doi: 10.1201/9780203909782.
H. Yuwafi, F. Marisa, and I. D. Wijaya, “Implementasi Data Mining Untuk Menentukan Santri Berprestasi Di Pp . Manaarulhuda Dengan Metode Clustering Algoritma K-Means,” J. SPIRIT, vol. 11, no. 1, pp. 22–29, 2019.
A. E. Wicaksono, “… Dalam Pengelompokan Data Peserta Didik Di Sekolah Untuk Memprediksi Calon Penerima Beasiswa Dengan Menggunakan Algoritma K-Means (Studi Kasus Sman 16 …,” J. Ilm. Teknol. dan Rekayasa, vol. 21, no. 3, 2017.
F. E. M. Agustin, A. Fitria, and A. H. S, “( STUDI KASUS : SMP NEGERI 101 JAKARTA ) Program Studi Teknik Informatika , Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah,” pp. 73–78.
J. O. Ong, “Implementasi Algotritma K-means clustering untuk menentukan strategi marketing president university,” J. Ilm. Tek. Ind., vol. vol.12, no, no. juni, pp. 10–20, 2013.
D. Mining and K. Belajar, “IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN KELAS KELOMPOK BIMBINGAN BELAJAR TAMBAHAN ( STUDI KASUS : SISWA SMA NEGERI 1 RANAH PESISIR ) Abstrak,” 2017.
A. I. Sari, H. S. Tambunan, W. Saputra, and I. Sudahri, “Implementasi Algoritma K-Means Dalam Pengelompokan Penyandang Disabilitas Menurut Kecamatan Kabupaten Simalungun,” vol. 2, pp. 54–61, 2020.
N. Rofiqo et al., “PENERAPAN CLUSTERING PADA PENDUDUK YANG MEMPUNYAI KELUHAN KESEHATAN DENGAN DATAMINING K-MEANS,” vol. 2, pp. 216–223, 2018.
D. Novianti, “Implementasi Algoritma Naïve Bayes Pada Data Set Hepatitis Menggunakan Rapid Miner,” Paradig. - J. Komput. dan Inform., vol. 21, no. 1, pp. 49–54, 2019, doi: 10.31294/p.v21i1.4979.
I. Lestari, L. Gaol, S. Sinurat, and E. R. Siagian, “IMPLEMENTASI DATA MINING DENGAN METODE REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI DATA PERSEDIAAN BUKU PADA PT . YUDHISTIRA,” vol. 3, pp. 130–133, 2019, doi: 10.30865/komik.v3i1.1579.
M. Faid, “Perbandingan Kinerja Tool Data Mining Weka dan Rapidminer Dalam Algoritma Klasifikasi,” vol. 8, 2019, doi: 10.34148/teknika.v8i1.95.
I. Budiman and R. Ramadina, “Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi,” Ijccs, vol. x, No.x, no. 1, pp. 1–5, 2015.
A. K. Wardhani, “Implementasi Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Kajen Pekalongan,” J. Transform., vol. 14, no. 1, pp. 30–37, 2016.
R. A. Margolang, S. R. Andani, and M. R. Lubis, “Implementasi Data Mining dalam Mengelompokkan Rumah Tangga Kumuh di Perkotaan Berdasarkan Provinsi Menggunakan Algoritma K-Means,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 602, 2019, doi: 10.30645/senaris.v1i0.66.
G. Abdillah et al., “PENERAPAN DATA MINING PEMAKAIAN AIR PELANGGAN UNTUK MENENTUKAN KLASIFIKASI POTENSI PEMAKAIAN AIR PELANGGAN BARU DI PDAM TIRTA RAHARJA MENGGUNAKAN ALGORITMA K-MEANS,” vol. 2016, no. Sentika, pp. 18–19, 2016.
V. No, W. Purba, and W. Siawin, “IMPLEMENTASI DATA MINING UNTUK PENGELOMPOKKAN DAN PREDIKSI KARYAWAN YANG BERPOTENSI PHK DENGAN ALGORITMA K-MEANS CLUSTERING,” vol. 2, no. 2, 2019.
