Pengelompokan Data Menggunakan Algoritma K-Means Untuk Meningkatkan Motivasi Belajar Siswa MTS Alwashliyah 48 Kebun Lada

Anjuwita Situmorang; Yusfrizal Yusfrizal; Indah Ambarita

Anjuwita Situmorang STMIK KAPUTAMA
Yusfrizal Yusfrizal Universitas Potensi Utama
Indah Ambarita STMIK KAPUTAMA

Abstract viewed = 0 times

PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

Belajar sudah menjadi kewajiban yang harus dilakukan oleh seorang siswa. Kadang siswa jenuh dan akhirnya memilih untuk tidak belajar untuk itulah mereka perlu diberi dorongan baik dari segala pihak. Pengaruh motivasi terhadap prestasi belajar siswa sangat besar karna itu hendaknya siswa diberi motivasi yang besar. Kedisiplinan dalam pengelolaan pengajaran merupakan suatu hal yang sangat penting. Tanpa adanya kesadaran akan keharusan melaksanakan aturan yang sudah ditentukan sebulamnya proses pengajaran tidak mungkin mencapai target yang maksimal. Penulisan proposal ini menggunakan metode clustering yang merupakan salah satu teknik data Mining untuk pengelompokan data siswa MTS Al-Wasliyah 48 Kebun Lada Binjai Dengan menggunakan metode clustering algoritma k-means. Dengan menerapkan 1101 sampel data alternatif data siswa dan memberikan jumlah cluster sebanyak 3, dan memanfaatkan 3 kriteria utama sebagai penelitian di proposal ini, menghasilkan jumlah cluster 1 sebanyak 578 data, cluster 2 sebanyak 256 data. Dan cluster 3 sebanyak 267 data. Sistem pengelompokan data siswa MTS Al-Wasliyah 48 binjai ini di rancang dengan Bahasa pemrograman aplikasi MATLAB dan memanfaatkan Gui sebagai interfacenya.

References

[1] M. Triandini, S. Defit, and G. W. Nurcahyo, “Data Mining dalam Mengukur Tingkat Keaktifan Siswa dalam Mengikuti Proses Belajar pada SMP IT Andalas Cendekia,” J. Inf. dan Teknol., vol. 3, pp. 167–173, 2021, doi: 10.37034/jidt.v3i3.120.
[2] F. P. Dewi, P. S. Aryni, and Y. Umaidah, “Implementasi Algoritma K-Means Clustering Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 7, no. 2, pp. 111–121, 2022, doi: 10.14421/jiska.2022.7.2.111-121.
[3] 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, p. 88, 2021, doi: 10.24269/jkt.v5i1.686.
[4] W. S et al., Data Mining. Global Eksekutif Teknologi, 2023. [Online]. Available: https://books.google.co.id/books?id=xmqvEAAAQBAJ
[5] C. Prianto and S. Bunyamin, Pembuatan aplikasi clustering gangguan jaringan menggunakan metode K-Means clustering. in Knowledge. Bandung.: Kreatif, 2020. [Online]. Available: https://books.google.co.id/books?id=y8TgDwAAQBAJ
[6] S. Suhartini and R. Yuliani, “Penerapan Data Mining untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma K-Means di Dusun Bagik Endep Sukamulia Timur,” Infotek J. Inform. dan Teknol., vol. 4, no. 1, pp. 39–50, 2021, doi: 10.29408/jit.v4i1.2986.
[7] S. Rizal and R. Q. Khotimah, “Penerapan Data Mining Untuk Clustering Data Penduduk Yang Terdampak Covid-19 Menggunakan Algoritma K-Means,” J. Pendidik. dan Konseling, vol. 4, pp. 2781–2792, 2022.
[8] NURHAYATI, PEMODELAN K- MEANS ALGORITMA DAN BIG DATA ANALYSIS (PEMETAAN DATA MUSTAHIQ). Pascal Books, 2022. [Online]. Available: https://books.google.co.id/books?id=%5C_bJmEAAAQBAJ
[9] I. Werdiningsih, D. C. R. Novitasari, and D. Z. Haq, Pengelolaan Data Mining dengan Pemrograman Matlab. Airlangga University Press, 2022. [Online]. Available: https://books.google.co.id/books?id=CgOdEAAAQBAJ
[10] T. R. Murniasih, S. Suryanti, and V. Mandailina, Tutorial Praktis Belajar GUI Matlab untuk Media Pembelajaran Matematika. 2021.