RACHEL HARYAWAN, . (2023) KLUSTERISASI SISWA SEKOLAH DASAR DENGAN ALGORITMA K-MEANS CLUSTERING. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.
Text
COVER.pdf Download (2MB) |
|
Text
Bab 1.pdf Download (448kB) |
|
Text
Bab 2.pdf Restricted to Registered users only Download (901kB) | Request a copy |
|
Text
Bab 3.pdf Restricted to Registered users only Download (659kB) | Request a copy |
|
Text
Bab 4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
Text
Bab 5.pdf Restricted to Registered users only Download (436kB) | Request a copy |
|
Text
DAFTAR PUSTAKA.pdf Download (560kB) |
|
Text
LAMPIRAN.pdf Restricted to Registered users only Download (1MB) | Request a copy |
Abstract
Dalam pendidikan formal seperti sekolah, tidak dipungkiri nilai merupakan sesuatu yang penting untuk siswa. Selain itu penilaian juga dapat dijadikan sebagai standar untuk menentukan peringkat siswa di sekolah. Metode pembelajaran yang digunakan di kebanyakan sekolah saat ini merupakan metode one-size-fit-all, namun metode ini kurang efektif karena menyamaratakan semua siswa. Penelitian ini dibuat agar dapat mendapatkan kelompok siswa sehingga nantinya dapat digunakan oleh para guru untuk menentukan metode pembelajaran yang terbaik berdasarkan pola masing – masing kluster siswa. Penelitian ini menggunakan KMeans Clustering untuk mengelompokkan siswa berdasarkan nilai dan data latar belakang mereka untuk membuat suatu model kluster yang dapat dianalisis setiap klusternya. Jika sudah diketahui kelompok siswa berdasarkan nilai dan latar belakangnya, maka hasilnya dapat digunakan oleh para guru untuk memberikan penanganan yang tepat bagi setiap kelompok siswa tersebut. Data yang digunakan sebanyak 49 kolom dan 377 baris. Sebelum melakukan proses klusterisasi, data melalui tahap pre – processing terlebih dahulu. Data yang didapat setelah pre – processing sebanyak 37 kolom dan 365 baris. Kemudian, data dibagi ke dalam tiga kluster yang divalidasi oleh Elbow Method. Hasil klusterisasi membagi siswa ke dalam kluster 1 sebanyak 132 orang, kluster 2 sebanyak 112 orang dan kluster 3 sebanyak 112 orang. Hasil analisis kluster menunjukkan bahwa kluster 1 lebih unggul dalam rata – rata nilai keterampilan serta KI1 dan KI2. ***** In the formal education such as school, we can’t deny that a score is still an important thing for students. In addition, assessment can also be used as a standard for determining student rankings in schools. A method that mostly used by school nowadays is a one-size-fit-all method, but this method is not too effective because treats all students same or equally. This research made so that the cluster of students can be found and the teachers can use it to find the effective learning method for every pattern of student clusters. This research is using K-Means Clustering for grouping students based on their scores and background data to create a cluster model that can be analyzed by each cluster. If the group of students is already known based on their scores and background, then the results can be used by teachers to provide appropriate treatment for each group of students. The data used in this research contains 49 columns and 377 rows. Before entering the clustering process, the data goes through the pre-processing stage first. The data after pre – processing contains 37 columns and 365 rows.Then the data was divided into three clusters validated by the Elbow Method. The clustering results divided students into cluster 1 with 132 people, cluster 2 with 112 people and cluster 3 with 121 people.The results of the cluster analysis showed that cluster 1 was superior in the average value of skills and KI1 and KI2.
Item Type: | Thesis (Sarjana) |
---|---|
Additional Information: | 1). Dr. Ria Arafiyah, M.Si. ; 2). Drs. Mulyono, M.Kom. |
Subjects: | Sains > Matematika > Ilmu Komputer Teknologi dan Ilmu Terapan > Teknologi (umum) > Teknologi Pendidikan |
Divisions: | FMIPA > S1 Ilmu Komputer |
Depositing User: | Users 20733 not found. |
Date Deposited: | 18 Sep 2023 00:55 |
Last Modified: | 18 Sep 2023 00:55 |
URI: | http://repository.unj.ac.id/id/eprint/42672 |
Actions (login required)
View Item |