Klusterisasi Prestasi Siswa Menggunakan Algoritma K-Means Pada UPTD SD Negeri Kecil Lembah Harapan Mamuju Tengah

Yokhebet Artati Tandi; Eka  Berby; Dikwan  Moeis

doi:10.37366/jpcs.v3i1.2380

Authors

Yokhebet Artati Tandi STMIK Profesional
Eka Berby STMIK Profesional Makassar
Dikwan Moeis STMIK Profesional Makassar

DOI:

https://doi.org/10.37366/jpcs.v3i1.2380

Keywords:

prestasi, k-means, klusterisasi, siswa

Abstract

Penelitian ini bertujuan untuk dapat membantu pihak SD Negeri Mamuju Tengah dalam merancang kebijakan dan intervensi yang lebih tepat sasaran untuk memantau dan meningkatkan prestasi siswa. Penelitian tentang klusterisasi prestasi siswa Sekolah Dasar memiliki dampak yang signifikan dalam meningkatkan sistem layanan kesehatan di Indonesia khusus wilayah makassar. Salah satu prosedur pengelompokan pada non-hirarki adalah dengan menggunakan metode K-Means. Berdasarkan data pengelompokan pada iterasi terakhir diketahui bahwa peserta fasilitas kesehatan pada tingkat sedang jika dilihat mayoritas data berkumpul pada kluster 2. Disimpulkan bahwa masyarakat belum secara maksimal menggunakan bantuan dari pemerintah dalam bentuk layanan fasilitas kesehatan. disarankan pada penelitian selanjutnya menggunakan dataset dari sumber utama dalam jumlah yang lebih besar, serta menggunakan hybrid algoritma agar dapat diperoleh hasil yang lebih baik

Downloads

Download data is not yet available.

References

Abdulnassar, A. A., & Nair, L. R. (2023). Performance analysis of Kmeans with modified initial centroid selection algorithms and developed Kmeans9+ model. Measurement: Sensors, 25, 100666. https://doi.org/10.1016/j.measen.2023.100666

Anwar, S. (2022). PENGELOMPOKKAN HASIL BELAJAR SISWA DENGAN METODE CLUSTERING K-MEANS. JURSISTEKNI (Jurnal Sistem Informasi Dan Teknologi Informasi), 4(2), 60–72.

Ay, M., Özbakır, L., Kulluk, S., Gülmez, B., Öztürk, G., & Özer, S. (2023). FC-Kmeans: Fixed-centered K-means algorithm. Expert Systems with Applications, 211, 118656. https://doi.org/10.1016/j.eswa.2022.118656

Chu, X., Lei, J., Liu, X., & Wang, Z. (2020). KMEANS Algorithm Clustering for Massive AIS Data Based on the Spark Platform. 2020 5th International Conference on Control, Robotics and Cybernetics (CRC), 36–39. https://doi.org/10.1109/CRC51253.2020.9253451

Durojaye, D. I., & Obunadike, G. (2022). ANALYSIS AND VISUALIZATION OF MARKET SEGEMENTATION IN BANKING SECTOR USING KMEANS MACHINE LEARNING ALGORITHM. FUDMA JOURNAL OF SCIENCES, 6(1), 387–393. https://doi.org/10.33003/fjs-2022-0601-910

Durugkar, S. R., Raja, R., Nagwanshi, K. K., & Kumar, S. (2022). Introduction to data mining. Data Mining and Machine Learning Applications, 1–19. https://doi.org/10.1002/9781119792529.ch1

Gao, X., Ding, X., Han, T., & Kang, Y. (2022). Analysis of influencing factors on excellent teachers’ professional growth based on DB-Kmeans method. EURASIP Journal on Advances in Signal Processing, 2022(1), 117. https://doi.org/10.1186/s13634-022-00948-2

Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi Dan Sistem Informasi, 5(1), 17–24. https://doi.org/10.25077/TEKNOSI.v5i1.2019.17-24

Huang, W., Peng, Y., Ge, Y., & Kong, W. (2021). A new Kmeans clustering model and its generalization achieved by joint spectral embedding and rotation. PeerJ Computer Science, 7, e450. https://doi.org/10.7717/peerj-cs.450

Ismaya, N., Zyen, A. K., Studi, P., Informatika, T., Islam, U., Ulama, N., Tengah, J., Artikel, I., Takhassus, M. P., K-means, A., & Davies-, I. (2022). Penentuan Siswa Berprestasi Menggunakan Metode K-Means Clustering Di Smp Takhassus Al Qur ’ an. Jurnal Teknik Informatika, 1(1), 64–68.

Martinez-Plumed, F., Contreras-Ochando, L., Ferri, C., Hernandez-Orallo, J., Kull, M., Lachiche, N., Ramirez-Quintana, M. J., & Flach, P. (2021). CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories. IEEE Transactions on Knowledge and Data Engineering, 33(8), 3048–3061. https://doi.org/10.1109/TKDE.2019.2962680

Nurmayanti, W. P., Ratnaningsih, D. J., Nisrina, S., Rahim, A., Malthuf, M., & Kusuma, W. (2022). Clustrering of BPJS National Health Insurance Participant Using DBSCAN Algorithm. Jurnal Varian, 6(1), 25–34. https://doi.org/10.30812/varian.v6i1.1886

Putra, U. N., Ulil, P., Aulia, F., Saepudin, S., Studi, P., Informasi, S., & Putra, U. N. (2021). Penerapan Data Mining K-Means Clustering Untuk Mengelompokkan Berbagai Jenis Merk Smartphone. 241–249.

Wei, Y., Jang-Jaccard, J., Sabrina, F., & Alavizadeh, H. (2020). Large-Scale Outlier Detection for Low-Cost PM₁₀ Sensors. IEEE Access, 8, 229033–229042. https://doi.org/10.1109/ACCESS.2020.3043421

Zhao, H. (2021). Research on Improvement and Parallelization of K-Means Clustering Algorithm. 2021 IEEE 3rd International Conference on Frontiers Technology of Information and Computer (ICFTIC), 57–61. https://doi.org/10.1109/ICFTIC54370.2021.9647385