KOMPARASI KINERJA ALGORITMA FUZZY C-MEANS DAN K-MEANS DALAM PENGELOMPOKAN DATA SISWA BERDASARKAN PRESTASI NILAI AKADEMIK SISWA

Nelson Butarbutar(1*), Agus Perdana Windarto(2), Dedy Hartama(3), Solikhun Solikhun(4),

(1) STIKOM Tunas Bangsa Pematangsiantar
(2) STIKOM Tunas Bangsa Pematangsiantar
(3) AMIK Tunas Bangsa Pematangsiantar
(4) AMIK Tunas Bangsa Pematangsiantar
(*) Corresponding Author

Abstract


Berbagai upaya telah dilakukan oleh pihak sekolah untuk meningkatkan prestasi akademik siswa sebagai upaya untuk mencapai standar pendidikan nasional. Salah satunya adalah dengan melakukan bimbingan belajar pada masing-masing siswa, namun hasilnya belum begitu memuaskan. Hal ini disebabkan karena pihak sekolah khususnya bagian pendidikan tidak memahami sepenuhnya kemampuan masing-masing siswa dalam menguasai suatu mata pelajaran khususnya mata pelajaran inti UN. Untuk mengatasi hal ini dengan memanfaatkan teknik clustering akan dilakukan pengelompokan data siswa berdasarkan prestasi nilai akademik yang sumber datanya diperoleh langsung dari bagian pendidikan. Dengan menggunakan teknik clustering, bagian pendidikan akan lebih mudah mendata siswanya berdasarkan kemampuannya masing-masing sesuai dengan prestasi nilai akademiknya. Teknik clustering yang digunakan dalam penelitian ini adalah algoritma Fuzzy C-Means dan K-Means. Berdasarkan hasil penelitian yang dilakukan dapat disimpulkan bahwa teknik clustering yang paling tepat digunakan dalam melakukan pengelompokan data siswa adalah algoritma K-Means dengan jumlah interasi sebanyak 11 untuk mendapatkan cluster data siswa sedangkan algoritma Fuzzy C-Means membutuhkan proses interasi yang panjang sebanyak 35 interasi dan proses perhitungan yang rumit serta hasil cluster data siswa kurang akurat dibandingkan menggunakan algoritma K-Means.

Full Text:

PDF

References


Anita Budi Hastuti, et al, 2013, Implementasi Metode Fuzzy C-Means dan TOPSIS Dalam Membangun Sistem Pendukung Keputusan Penentuan Jurusan SMA (Studi Kasus : Penentuan Jurusan di SMA Negeri 1 Wonosari), JURNAL DASI, Vol. 14 No. 2, ISSN : 1411 – 3201.

Aniq Noviciatie Ulfah dan Shofwatul Uyun, 2015, Analisis Kinerja Algoritma Fuzzy C-Means dan K-Means pada Data Kemiskinan, Jatisi Vol. 1 No. 2, ISSN : 2407 – 4322

Cakra Ramadhana, et al, 2013, Data Mining dengan Algoritma Fuzzy C-Means Clustering dalam Kasus Penjualan di PT. Sepatu Bata, Seminar Nasional Teknologi Informasi dan Komunikasi Terapan, ISBN : 979-26-0266-6.

Erfan Agil Putranto, et al, 2012, Sistem Pendukung Keputusan Penjurusan Siswa Kelas X SMA Negeri 2 dengan Metode Fuzzy C-Means dengan Penggunaan Daya Dukung Minat, JURNAL ITSMART Vol. 1 No. 2, ISSN : 2301 – 7201

Idni Irsalina, et al, 2014, Clustering Gender Berdasarkan Nilai Maksimum Minimum Amplitudo Suara Berbasis Fuzzy C-Means (FCM), Prosiding SNATIF Ke-1, ISBN : 978-602-1180-04-4.

Mardiani, 2014, Perbandingan Algoritma K-Means dan EM Untuk Clusterisasi Nilai Mahasiswa Berdasarkan Asal Sekolah, Citec Journal Vol. I No. 4, ISSN : 2354 - 5771

Maria E. S., et al, 2015, Sistem Penentuan Jurusan Sekolah Menengah Atas Negeri 1 Karangmojo, Seminar Nasional Teknologi Informasi dan Multimedia 2015, STMIK AMIKOM Yogyakarta, ISSN : 2302 – 3805.

Miftahus Sholihin dan Aizatus Sholikhiyah, 2012, Prediksi Tingkat Kelulusan Siswa Dalam UAN di SMP Negeri 2 Deket Dengan Menggunakan Metode Teorema Bayes, Jurnal Teknika, Vol. 4 No. 2, ISSN : 2085 – 0859.

Suprihatin, 2011, Clustering K-Means Untuk Penentuan Nilai Ujian, JUSI Vol. I No. 1, ISSN : 2087 – 8737.

Tb. Ai Munandar, et al, 2013, Clustering Data Nilai Mahasiswa Untuk Pengelompokan Konsentrasi Jurusan Menggunakan Fuzzy Cluster Means, Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Yogyakarta, ISSN : 1907 – 5022.




DOI: http://dx.doi.org/10.30645/jurasik.v1i1.8

DOI (PDF): http://dx.doi.org/10.30645/jurasik.v1i1.8.g6

Refbacks

  • There are currently no refbacks.



JURASIK (Jurnal Riset Sistem Informasi dan Teknik Informatika)
Published Papers Indexed/Abstracted By:

Jumlah Kunjungan : View My Stats