PENERAPAN DATA MINING TERHADAP MINAT SISWA DALAM MATA PELAJARAN MATEMATIKA DENGAN METODE K-MEANS

Abstract

Kemampuan matematika yang diperlukan untuk menguasai dan menciptakan teknologi di masa depan, menjadikan matematika yang kuat perlu dibina sejak dini.Tujuan penelitian ini adalah Menerapkan metode K-Means untuk mengelompokan minat siswa terhadap mata pelajaran matematika dan untuk mendapatkan akurasi yang tepat dan cepat dalam mengelompokan minat siswa terhadap mata pelajaran matematika menggunakan metode K-Means. Metode yang digunakan yaitu dengan teknik data mining menggunakan algoritma K- Means. Proses ini menghasilkan 2 cluster yaitu ( minat ) Matematika dan ( kurang minat ) matematika, dengan menggunakan teknik data mining menggunakan algoritma K-Means, dan akurasi diukur dengan Davies Bouldin Index. Pengujian menggunakan validasi DBI (Davies Bouldin Index) diperoleh nilai untuk tiap-tiap cluster. Untuk kelas 10 pengujian cluster 1 menghasilkan nilai DBI 0.941 dan cluster 2 nilai DBI 0.335 , kelas 11 pengujian cluster 1 menghasilkan nilai DBI 0.660 dan cluster 2 nilai DBI 0.506, kelas 12 pengujian cluster 1 menghasilkan nilai DBI 0.271 dan cluster 2 nilai DBI 0.111. Dari perhitungan Davies Bouldin Index (DBI) dapat disimpulkan bahwa jika semakin kecil nilai Davies Bouldin Index (DBI) yang diperoleh (non negatif >= 0) maka cluster tersebut semakin baik.