Abstract
Pendidikan merupakan satu diantara fokus utama program kerja Pemerintah Kabupaten Indragiri Hilir. Berdasarkan data Badan Pusat Statistik Daerah kabupaten Indragiri tahun 2019 memaparkan, tingginya tingkat minat siswa dalam mengenyam bangku sekolah adalah pada jenjang SD dan SMP. K-means Clustering merupakan salah satu Teknik pengeolompokan data dengan cara membagi data yang ada ke dalam bentuk satu atau lebih cluster. Pengelompokan sekolah berdasarkan minat siswa merupakan hal penting dikarenakan pada tingkat SMA minat siswa dalam mengenyam pendidikan sudah berkurang sehingga di perlukan informasi sekolah mana yang sangat diminati, cukup diminati dan kurang diminati oleh siswa pada tingkat SMP ketika setelah selesai dari pendidikan SD. Penelitian ini bertujuan membantu pihak Dinas Pendidikan dalam proses pengambilan keputusan untuk menentukan sekolah mana yang paling banyak diminati oleh siswa guna sebagai acuan dalam pembangunan baik dari segi kualitas maupun kuantitas. Data yang digunakan dalam penelitian ini adalah data Dapodikdasmen tahun 2019. pengolahan data dalam penelitian ini menggunakan metode K-means Clustering dengan jumlah 3 cluster yaitu cluster 0 (C0) kurang diminati, Cluster 1 (C1) cukup diminati, cluster 2 (c2) sangat diminati siswa dalam memilih sekolah. Hasil dari proses clustering dengan 2 kali iterasi menyatakan bahwa untuk cluster 0 berjumlah 6 data sekolah, untuk cluster 1 berjumlah 3 data sekolah cluster 2 berjumlah 1 data sekolah.
Highlights
Education is one of the main focuses of the Indragiri Hilir Regency Government work program
This study aims to assist the Education Office in the decision-making process to determine which school students are most interested in as a reference in development both in terms of quality and quantity
DOI: [20] Kelebihan Algoritma k-means clustering [online]
Summary
Kabupaten Indragiri Hilir merupakan kabupaten terluas kedua di Provinsi Riau dengan luas mencapai 11.605,97 km. Data Badan statistik kabupaten Indragiri hilir tahun 2019 banyak diminati khusus nya tingak SMP dalam penelitian ini menggunakan metode clustering, data yang diperlukan sebagai acuan untuk melakukan pengelompokan adalah data pokok pendidikan. Penelitian Nalendra (2020) implementasi algoritma k-mean dalam pengelompokan data kecelakaan hasil dari clustering terdapat 3 jenis yaitu jarang terjadi kecelakaan, rawan kecekalaan dan sangat rawan kecelakaan [12]. Penelitian yang sudah dilakukan oleh Rosmini, dkk (2018) untuk implementasi metode k-means dalam pemetaan kelompok mahasiswa melalui data aktivitas kuliah dengan hasil 2 kategori yaitu memprediksi lulus. Peneliti Putra dan Wadisman, (2018) implementasi data mining pemilihan Adapun penjelasan pada Gambar 2 menjabarkan pelanggan potensial menggunakan pengujian Algoritma langkah Knowledge Discovery in Database (KDD) K-Means memberikan dampak yang lebih akurat dalam yaitu: pengelompokan pelanggan potensial [8].
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
