Penerapan Metode K-Means Clustering Untuk Pemetaan Kompetensi Peserta Didik Baru Berdasarkan Hasil Tes Diagnostik
DOI:
https://doi.org/10.36350/jskom.v1i1.12Keywords:
Pemetaan, K-Means Clustering, Tes Diagnostik, Literasi, Numerasi, Silhouette CoefficientAbstract
Proses pemetaan kompetensi peserta didik merupakan langkah penting dalam pengelompokan berdasarkan hasil tes diagnostik. Pengelompokan yang tidak efektif
dapat menghambat pengambilan keputusan yang tepat terhadap peserta didik yang nilainya rendah. Penelitian ini mengembangkan sebuah prototype aplikasi
untuk memetakan kompetensi peserta didik menggunakan algoritma K-Means Clustering. Pada penelitian ini dibuat sebuah prototype aplikasi yang dapat
melakukan pemetaan kompetensi peserta didik dengan menerapkan Algoritma K-means Clustering yaitu dengan cara menganalisis data dan melalukan
perhitungan pengelompokan, yang kemudian perhitungan pengelompokan dianalisis kembali untuk melihat kompetensi peserta didik di masing-masing
kelompik. Variabel yang digunakan mencakup nilai literasi dan numerasi sebagai parameter pengelompokan. Hal ini dilakukan untuk memetakan kompetensi peserta didik agar dapat menyajikan informasi yang bisa menjadi acuan sekolah untuk mengambil kebijakan peserta didik mana yang harus mendapatkan jam tambahan. Pada aplikasi yang dibangun telah dilakukan uji kelayakan oleh ahli sistem dan diperoleh persentase kelayakan sebesar 100% yang dapat dikategorikan ke dalam interpretasi “Sangat Layak”. Telah dilakukan juga uji kelayakan oleh pengguna dengan menggunakan kuesioner PSSUQ sesuai dengan kategori PSSUQ diantaranya yaitu nilai kepuasan secara keseluruhan (Overall) sebesar 100%, yang artinya aplikasi ini layak digunakan. Serta telah dilakukan juga uji validitas cluster menggunakan Silhouette Coefficient terhadap algoritma K-means yang diterapkan dengan nilai yang diperoleh sebesar 0,467 yang berarti cluster yang dibentuk termasuk kedalam kategori “Lemah”.
Downloads
References
[1] Aji, Wahyu Prasetyo. “Analisa Pengelompokkan Data Nilai Rapot Siswa Menggunakan Pendekatan Metode K-Means di SMK Ponpes Manba’ul Ullum Cirebon.” KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer, vol. 3, no. 2, 2024, pp. 14–18.
[2] Anggraeni, Nurliana, and Lisda Fitriana Masitoh. “Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Siswa Baru pada SMK Letris Indonesia 1 Berbasis Web.” Scientia Sacra: Jurnal Sains, Teknologi dan Masyarakat, vol. 7, no. 1, 2022, pp. 359–368.
[3] Arikunto, Suharsimi. Prosedur Penelitian: Suatu Pendekatan Praktik. Rineka Cipta, 2009.
[4] Azmi, Nurul, et al. “Implementasi Metode K-Means sebagai Upaya Penentuan Lokasi Promosi Penerimaan Siswa Baru.” Building of Informatics, Technology and Science (BITS), vol. 2, no. 3, 2022, pp. 649–660.
[5] Black, Paul, Christine Harrison, et al. Assessment for Learning: Putting It into Practice. McGraw-Hill, 2003.
[6] De Ville, Baryy. Microsoft Data Mining: Integrated Business Intelligence for e-Commerce and Knowledge Management. Butterworth-Heinemann, 2001.
[7] Denny, Jollyta, et al. Konsep Data Mining dan Penerapan. Deepublish, 2020.
[8] Elda, Yusma, et al. “Klasterisasi Penempatan Siswa yang Optimal untuk Meningkatkan Nilai Rata-Rata Kelas Menggunakan K-Means.” Jurnal Informasi dan Teknologi, vol. 3, no. 2, 2021.
[9] Fowler, Martin. UML Distilled: A Brief Guide to the Standard Object Modeling Language. 3rd ed., Pearson Education, 2004.
[10] Han, Jiawei, et al. Data Mining: Concepts and Techniques. 3rd ed., Morgan Kaufmann, 2012.
[11] Hendrastuty, Nirwana. “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering dalam Evaluasi Hasil Pembelajaran Siswa.” Jurnal Ilmiah Informatika dan Ilmu Komputer (JIMA-ILKOM), vol. 2, no. 1, 2024, pp. 46–56.
[12] Jollyta, Denny, William Ramadhan, and Muhammad Zarlis. Konsep Data Mining dan Penerapan. Deepublish, 2020.
[13] Lutz, Mark. Learning Python. 5th ed., O’Reilly Media, 2013.
[14] Marisa, Fitri, et al. Algoritma Populer dalam Intelligent Sistem Beserta Contoh Kasus. Deepublish, 2023.
[15] McLeod, Raymond, and George Schell. Sistem Informasi Manajemen. 10th ed., Salemba Empat, 2008.
[16] Missa, Dionisius, et al. “Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokan Data Penghasilan Orang Tua Siswa.” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 2, no. 1, 2021.
[17] Pemerintah Kota. Perwali No. 13 Tahun 2024 tentang Pedoman Penerimaan Peserta Didik Baru. Pemerintah Kota, 2024.
[18] Pramudya, Aditya, et al. “Pengelompokan Hasil Belajar Siswa SDN Tunas Jaya dengan Algoritma K-Means.” JATI (Jurnal Mahasiswa Teknik Informatika), Dec. 2023.
[19] Pressman, Roger, and Bruce Maxim. Software Engineering: A Practitioner’s Approach. McGraw-Hill, 2019.
[20] Riani, Adella Putri, et al. “Penerapan K-Means Clustering dalam Pengelompokan Hasil Belajar Peserta Didik dengan Metode Elbow.” Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD, vol. 4, no. 2, 2023, pp. 164–172.
[21] Riadi, and Muchlisin. www.kajianpustaka.com/2022/02/sistem-pendukung- keputusan-spk.html. Diakses pada tanggal 18 Aug. 2024.
[22] Rosa, A. S., and M. Shalahuddin. Rekayasa Perangkat Lunak: Terstruktur dan Berorientasi Objek. Informatika Bandung, 2013.
[23] Safiq, Rosad. Bahasa Pemrograman Java Tingkat Dasar. Nas Media Pustaka, 2022.
[24] Sugiyono. Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Alfabeta, 2013.
[25] Wali, Muhammad, et al. Pengantar 15 Bahasa Pemrograman Terbaik di Masa Depan (Referensi & Coding). Sonpedia Publishing, 2023.
[26] Wu, Junjie. Advances in K-Means Clustering: A Data Mining Thinking. Springer-Verlag, 2012.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
