Penerapan Algoritma K-Means Dalam Menentukan Kualitas Satuan Pendidikan Berdasarkan Nilai Internal Dan Eksternal
AbstractDinas Pendidikan Kabupaten probolinggo adalah dinas yang menaungi sekolah-sekolah yang ada di Kabupaten Probolinggo. Pendidikan dasar memiliki peran penting dalam pembangunan suatu negara, membentuk generasi muda yang berkualitas dan berkontribusi positif bagi masyarakat. Dinas Pendidikan Kabupaten Probolinggo membutuhkan data pengelompokan kualitas sekolah dasar yang ada di Kabupaten Probolinggo. Dimana hasil pengelompokan kualitas tersebut akan di gunakan Dinas Pendidikan Kabupaten Probolinggo untuk membina sekolah dasar yang memiliki kualitas kurang agar bisa lebih maju lagi. Selain itu pengelompokkan kualitas sekolah ini juga akan digunakan untuk memonitoring perkembangan sekolah dasar yang ada di Kabupaten Probolinggo. Pengelompokan kualitas sekolah tidak hanya berdasarkan indikator internal tetapi juga indikator eksternal. Oleh karena itu, penelitian ini menggunakan metode klasterisasi dengan algoritma K-Means untuk mengelompokkan sekolah dasar berdasarkan nilai internal dan eksternal. Penelitian ini bertujuan untuk membantu Dinas Pendidikan Kabupaten Probolinggo dalam menggambarkan kualitas sekolah dasar di berbagai cluster. Hasil analisis ini memberikan pemahaman mendalam tentang faktor-faktor yang memengaruhi kualitas pendidikan dasar dan memberikan rekomendasi yang baik untuk meningkatkan kualitas pendidikan. Berdasarkan hasil penelitian yang telah dilakukan dengan metode K-Means terhadap pengelompokan kualitas sekolah dasar berdasarkan nilai internal dan eksternal sekolah, diperoleh hasil akhir berupa cluster yang keanggotaannya dengan kategori sekolah Unggul sejumlah 50%, Berkembang sejumlah 13% sekolah dan kategori Kurang Baik 36%. Penelitian ini dapat menjadi dasar bagi pembuat kebijakan pendidikan, memonitoring perkembangan sekolah dasar yang ada di wilayah Kabupaten Probolinggo dan dapat melakukan pembinaan pada sekolah yang dipandang perlu.
|
Keywords
Full Text:
References
REFERENSI
J. Ha, M. Kambe, and J. Pe, Data Mining: Concepts and Techniques. 2011. doi: 10.1016/C2009-0-61819-5.
H. Susanto and J. Jamal, “Identifikasi Spesies Ikan Berdasarkan Kontur Otolith Menggunakan Metode Otsu Dan Back Propagation Neural Network,” Joutica, vol. 5, no. 2, 2020, doi: 10.30736/jti.v5i2.486.
B. Santoso, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu, 2007.
J. Wu, Advances in K-means Clustering: a data mining thinking. 2012.
Mochamad Wahyudi and et.al., Data mining : penerapan algoritma k- means clustering dan k- medoids clustering. Jakarta: Kita Menulis, 2020.
B. Rahmat et al., “Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan,” Semin. Nas. Ris. Kuantitatif Terap. 2017, no. April, pp. 58–60, 2017, [Online]. Available: https://ojs.innov-center.org/index.php/snrkt2017/article/download/10/9
Aprillia, Ambarwati, and Wicaksono, Belajar Data Mining dengan RapidMiner. Jakarta: Perpustakaan STMIK Budi Darma, 2013.
Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik,” J. Teknol. Inform. dan Komput., vol. 6, no. 2, 2020, doi: 10.37012/jtik.v6i2.299.
R. P. Primanda, A. Alwi, and D. Mustikasari, “Data Mining Seleksi Siswa Berprestasi Untuk Menentukan Kelas Unggulan Menggunakan Metode K-Means Clustering (Studi Kasus di MTS Darul Fikri ),” Komputek, vol. 5, no. 1, 2021, doi: 10.24269/jkt.v5i1.686.
I. Suputra, I. Candiasa, and I. Suryawan, “Klasterisasi Hasil Ujian Nasional SMA/MA dengan Algoritma K-Means,” Wahana Mat. dan Sains J. Mat. Sains, dan Pembelajarannya, vol. 15, no. 1, 2021.
| 10.33650/jeecom.v5i2.6946 |
|
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Heri Susanto, Dwi Yanto, Kiky Zulkifli, Fiqri Romadhonal Gupron
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
