Analisis Pengelompokan Minat Baca Siswa SMK Menggunakan Algoritma K-Medoids
DOI:
https://doi.org/10.30865/jurikom.v11i5.8484Keywords:
Analisis cluster, K-Medoids, Minat baca, SiswaAbstract
Data siswa yang mengujungi Perpustakaan SMK Swasta Parulian 2 Medan tersimpan dengan baik disistem pengelolaan perpustakaan. Hanya saja data tersebut belum dimanfaatkan dengan baik, salah satunya dalam hal pengelompokan siswa yang memiliki minat baca tinggi, sedang dan rendah. Akibatnya pihak sekolah tidak dapat mengelompokan atau tidak mengetahui siswa yang rajin membaca, kurang atau tidak pernah sama sekali, sedangkan informasi yang diperoleh dari pengelolaan data pengunjung perpustaakaan dapat digunakan untuk memberikan rekomendasi kepada guru / wali kelas untuk memberikan rekomendasi dan himbauan kepada siswa yang jarang atau tidak pernah keperpustakaan. Sekolah memerlukan suatu sistem yang dapat mengelompokkan minat baca siswa berdasarkan jumlah buku yang dipinjam, frekuensi kunjungan, dan durasi membaca di perpustakaan sehingga diperoleh hasil maksimal yang dapat meningkatkan minat baca siswa. Untuk membangun sistem ini dapat digunakan teknik data mining yaitu algoritma K-Medoids. Untuk itu, sangat diperlukan teknik untuk pengelompokan data untuk klastering siswa berdasarkan minat baca siswa. Salah satu teknik dalam data mining untuk clustering data adalah clustering K-Medoids. Algoritma K-Medoids merupakan teknik clustering data berdasarkan jarak, dimana dalam proses clustering sangat tahan terhadap noise / outlier. Data yang akan diuji berjumlah 30 siswa. Minat baca terbagi menjadi 3 yaitu tinggi, sedang dan rendah. Hasil akhir pengelompokan yang dilakukan terhadap data yang diuji sebanyak 2 iterasi. Dengan 13 orang siswa yang mempunyai minat membaca tinggi, 9 orang siswa yang mempunyai minat membaca sedang, dan 8 orang siswa yang mempunyai minat membaca rendah.
References
Z. A. R. V. Purba, “Hubungan Pola Asuh Demokratis Dengan Prestasi Belajar Di Sma Negeri 1 Pematang Raya Kabupaten Simalungun,” pp. 9–39, 2016.
F. Sundari, “Peran Guru Sebagai Pembelajar dalam Memotivasi Peserta Didik Usia SD,” Pros. Disk. Panel Pendidik., no. April, pp. 60–76, 2017.
S. Sundari, I. S. Damanik, A. P. Windarto, H. S. Tambunan, J. Jalaluddin, and A. Wanto, “Analisis K-Medoids Clustering Dalam Pengelompokkan Data Imunisasi Campak Balita di Indonesia,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 687, 2019, doi: 10.30645/senaris.v1i0.75.
I. I. P. Damanik, S. Solikhun, I. S. Saragih, I. Parlina, D. Suhendro, and A. Wanto, “Algoritma K-Medoids untuk Mengelompokkan Desa yang Memiliki Fasilitas Sekolah di Indonesia,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 520, 2019, doi: 10.30645/senaris.v1i0.58.
N. Arief, I. Sudahri Damanik, E. Irawan, S. Tunas Bangsa, and S. Utara, “Penerapan Algoritma K- Medoids Dalam Mengelompokkan Tingkat Kasus Kejahatan Di Setiap Provinsi,” Media Online, vol. 2, no. 3, pp. 111–116, 2021, [Online]. Available: https://djournals.com/klik
Yashinta Ningrum, “Minat membaca pada siswa,” J. Pendidik., vol. 4, no. 1, pp. 1–23, 2016.
N. T. Tarigan, “Pengembangan Buku Cerita Bergambar Untuk Meningkatkan Minat Baca Siswa Kelas Iv Sekolah Dasar,” J. Curere, vol. 2, no. 2, pp. 141–152, 2018.
E. Education, A. Alpian, H. Ruwaida, P. Studi, P. Guru, and M. Ibtidaiyah, “Learning in,” vol. 6, no. 2, pp. 1610–1617, 2022.
S. Darma and G. W. Nurcahyo, “Klasterisasi Teknik Promosi dalam Meningkatkan Mutu Kampus Menggunakan Algoritma K-Medoids,” J. Inform. Ekon. Bisnis, vol. 3, pp. 89–94, 2021, doi: 10.37034/infeb.v3i3.87.
F. Hardiyanti, H. S. Tambunan, and I. S. Saragih, “Penerapan Metode K-Medoids Clustering Pada Penanganan Kasus Diare Di Indonesia,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 598–603, 2019, doi: 10.30865/komik.v3i1.1666.
