ARTIKEL PENINGKATAN MUTU PENDIDIKAN BERKARAKTER …simki.unpkediri.ac.id/mahasiswa/file_artikel/2017/0b28b... · 2017-08-21 · Pengayaan Materi Mata Pelajaran Ujian Nasional (Studi

ARTIKEL

PENINGKATAN MUTU PENDIDIKAN BERKARAKTER MELALUI

OBJEKTIVITAS KELOMPOK PEMBELAJARAN SISWA

MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

(STUDI KASUS : SMPN 1 PAGU)

Oleh:

Devi Puspitasari

11.1.03.02.0084

Dibimbing oleh :

1. Ir. Juli Sulaksono, M.Kom

2. Ratih Kumalasari, S.ST., M.Kom

PROGRAM STUDI TEKNIK INFORMASI

FAKULTAS TEKNIK

UNIVERSITAS NUSANTARA PGRI KEDIRI

2017

Simki-Techsain Vol. 01 No. 07 Tahun 2017 ISSN : XXXX-XXXX

Artikel Skripsi

Universitas Nusantara PGRI Kediri

Devi Puspitasari | 11.1.03.02.0084 Fakultas Teknik – Teknik Informasi

simki.unpkediri.ac.id || 1||

SURAT PERNYATAAN

ARTIKEL SKRIPSI TAHUN 2017

Yang bertanda tangan di bawah ini:

Nama Lengkap : Devi Puspitasari

NPM : 11.1.03.02.0084

Telepon/HP : 081556405275

Alamat Surel (Email) : [email protected]

Judul Artikel : Peningkatan Mutu Pendidikan Berkarakter Melalui

Objektivitas Kelompok Pembelajaran Siswa

Menggunakan K-Means Clustering

Fakultas – Program Studi : Fakultas Teknik – Program Studi Teknik Informatika

Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri

Alamat Perguruan Tinggi : JL. KH. Achmad Dahlan No. 76 Mojoroto Kota Kediri

Dengan ini menyatakan bahwa :

a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan

bebas plagiarisme;

b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.

Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari

ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain,

saya bersedia bertanggungjawab dan diproses sesuai dengan ketentuan yang berlaku.

Mengetahui Kediri, 10 Agustus 2017

Pembimbing I

Ir. Juli Sulaksono, M.Kom

NIDN. 0707076505

Pembimbing II

Ratih Kumalasari, S.ST., M.Kom

NIDN. 0710018501

Penulis,

Devi Puspitasari

NPM. 11.1.03.02.0084


Artikel Skripsi




PENINGKATAN MUTU PENDIDIKAN BERKARAKTER MELALUI

OBJEKTIVITAS KELOMPOK PEMBELAJARAN SISWA

MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

(STUDI KASUS : SMPN 1 PAGU)

Devi Puspitasari

11.1.03.02.0084

FT – Teknik Informatika

[email protected]

Ir. Juli Sulaksono, M.Kom dan Ratih Kumalasari N, S.ST., M.Kom

UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Data kelas VIII SMPN 1 Pagu Kediri melimpah dan belum dimanfaatkan secara maksimal.

Belum adanya pengelompokkan data siswa menyebabkan penumpukan data yang dapat

mempengaruhi data itu sendiri. Data siswa bisa dimanfaatkan untuk mengetahui perkembangan siswa

selama di sekolah.

Untuk memudahkan pencarian data siswa, data dikelompokkan menggunakan Algoritma K-

Means Clustering. Algoritma K-Means merupakan algoritma teknik klastering yang berulang-ulang.

Algoritma ini dimulai dengan pemilihan secara acak K, yang merupakan banyaknya klaster yang ingin

dibentuk. Kemudian tetapkan nilai-nilai K secara random, untuk sementara nilai tersebut menjadi

pusat kluster atau biasa disebut dengan centroid/mean. Hitung jarak setiap data yang ada terhadap

masing-masing centroid menggunakan rumus yang sudah disediakan hingga diketemukan jarak yang

paling dekat dari setiap data dengan centroid. Klasifikasi setiap data berdasarkan kedekatannya dengan

centroid. Lakukan langkah tersebut sampai nilai centroid stabil.

Dengan sistem ini siswa dapat di kelompokkan menjadi siswa berprestasi (siswa yang

memiliki rentang nilai 100-75), siswa biasa (siswa yang memiliki rentang nilai 76-58) dan siswa butuh

perhatian (siswa yang rentang nilainya (59-0). Hasil dari sistem ini berupa solusi yang dapat

dipertimbangkan untuk membantu proses belajar siswa.

Kata kunci : algoritmak-means clustering, data mining, pengelompokkan, nilai siswa, clustering.

I. LATAR BELAKANG

Perkembangan teknologi informasi

yang semakin berkembang pesat di

segala bidang kehidupan mendorong

kita untuk lebih kreatif dan inovatif

dalam menyelesaikan masalah yang

dihadapi. Dengan adanya berbagai

teknologi saat ini memudahkan kita

untuk menemukan solusi yang tepat

pada suatu permasalahan. Salah satunya

adalah pengelompokkan nilai siswa

selama satu semester.

Data siswa SMPN 1 PAGU saat ini

sudah terkumpul cukup banyak. Namun

data siswa tersebut belum dimanfaatkan

secara maksimal sehingga menyulitkan

Kepala Sekolah dalam melakukan

pemantauan terhadap perkembangan

siswa di sekolah. Dengan Algoritma K-

Means Clustering diharapkan akan

diketahui kecenderungan siswa terhadap


Artikel Skripsi




mata pelajaran, serta membantu Kepala

Sekolah dan Wali Kelas dalam

memantau perkembangan siswa di

sekolah

Penelitian yang terkait dengan

masalah ini adalah penelitian yang

berjudul “Analisa dan Pemanfaatan

Algoritma K-Means Clustering pada

Data Nilai Siswa sebagai Penentuan

Penerima Beasiswa” (Muzakir,2014).

K-Means berhasil digunakan untuk

menenetukan siswa yang menerima

beasiswa sesuai dengan kriteria yang

ditentukan. Variabel yang digunakan

pada penelitian tersebut adalah Nama,

Nilai, Asal Sekolah, Nilai Siswa dari

kelas 1 sampai 2 dan Penghasilan orang

tua. Data-data tersebut berupa dokumen

yang telah terekam di SMA dan SMK

se Kabupaten Musi Banyuasin. Data

tersebut dimasukkan ke dalam database

kemudian diproses. Prosesnya

merupakann implementasi dari

algoritma K-Means. Proses clustering

dikatakan selesai apabila pusat cluster

tidak lagi berubah. Sedangkan pada

penelitian ini variabel yang digunakan

adalah NIS, Nama, Alamat, Bidang

Keahlian, Program Studi dan Nilai

siswa. Data-data tersebut dimasukkan

ke database sistem, kemudian akan

diolah menggunakan algoritma K-

Means untuk memudahkan proses

pengelompokkan dan pencarian data

siswa.

II. METODE

Algoritma K-Means Clustering

merupakan salah satu metode data non-

hierarchical clustering yang dapat

mengelompokkan data ke dalam

beberapa cluster berdasarkan kemiripan

dari data tersebut. Algoritma K-Means

merupakan algoritma teknik cluster

yang berulang-ulang. Algoritma ini

dimulai dengan pemilihan secara acak

K, yang merupakan banyaknya cluster

yang ingin dibentuk. Kemudian

tetapkan nilai-nilai K secara random,

untuk sementara nilai tersebut menjadi

pusat cluster atau biasa disebut dengan

centroid/mean. Hitung jarak setiap data

yang ada terhadap masing-masing

centroid menggunakan rumus yang

sudah disediakan hingga diketemukan

jarak yang paling dekat dari setiap data

dengan centroid. Klasifikasi setiap data

berdasarkan kedekatannya dengan

centroid. Lakukan langkah tersebut

sampai nilai centroid stabil.

Dengan Algoritma K-Means

Clustering diharapkan dapat membantu

Kepala Sekolah dan Guru terkait dalam

memantau perkembangan proses

pembelajaran siswa di sekolah.

Pengelompokkan data siswa dilakukan

dengan cara penggalian data yang


Artikel Skripsi




meliputi beberapa variabel, yaitu : NIS,

Nama, Alamat, Bidang Keahlian,

Program Studi dan Nilai siswa.

Algoritma K-Means Clustering

merupakan salah satu metode data

non-hierarchical clustering yang dapat

mengelompokkan data ke dalam

beberapa cluster berdasarkan

kemiripan dari data tersebut.

Algoritma K-Means merupakan

algoritma teknik cluster yang

berulang-ulang. Algoritma ini dimulai

dengan pemilihan secara acak K, yang

merupakan banyaknya cluster yang

ingin dibentuk. Kemudian tetapkan

nilai-nilai K secara random, untuk

sementara nilai tersebut menjadi pusat

cluster atau biasa disebut dengan

centroid/mean. Hitung jarak setiap

data yang ada terhadap masing-masing

centroid menggunakan rumus yang

sudah disediakan hingga diketemukan

jarak yang paling dekat dari setiap

data dengan centroid. Klasifikasi

setiap data berdasarkan kedekatannya

dengan centroid. Lakukan langkah

tersebut sampai nilai centroid stabil.

Dengan Algoritma K-Means

Clustering diharapkan dapat

membantu Kepala Sekolah dan Guru

terkait dalam memantau

perkembangan proses pembelajaran

siswa di sekolah.

III. HASIL DAN KESIMPULAN

1. Analisa Sistem

Analisa sistem pada sekolah

SMPN 1 Pagu memberikan

gambaran bawa pengelompokkan

siswa yang lebih objective akan

memberikan dampak besar dalam

pengembangan mutu. Hal ini juga

sangat diperlukan bagi pihak

sekolah untuk dapat melakukan

evaluasi yang lebih spesifik

berdasarkan pada kelompok dari

siswa tersebut.

2. Analisa dan Logika Metode

Pada tabel data siswa

terdapat variabel Objek (simbol

dari tiap data), Nama siswa,

Program studi dan Nilai raport.

Siswa pertama dengan Objek X1,

Nama Abdul Ghofur. Memiliki

nilai mata pelajaran Agama 7.5,

Pancasila 6, Bahasa Indonesia 8,

Matematika 7.5, Sejarah 9,

Bahasa Inggris 10.5, Sebud 3,

Penjas 2.5, Prakarya 3.5,

Produktif 4, dan seterusnya.


Artikel Skripsi




Tabel 1. Tabel Data Nilai Siswa

a. Nilai centroid dipilih secara

acak

Langkah pertama dalam

perhitungan K-Means adalah

dengan menentukan nilai centroid

awal terlebih dahulu. Nilai

centrorid awal dipilih secara acak.

Tabel 2. Tabel Data Nilai Siswa

b. Perhitungan menggunakan

jarak Euclidean

Untuk mengukur jarak

antara data dengan pusat cluster

digunakan perhitungan jarak

Euclidean Distance. Kemudian

akan didapatkan matriks jarak

sebagai berikut :

Rumus Euclidean Distance :

𝑑(𝑥, 𝑦) = ||𝑥 − 𝑦||² =

√∑ (𝑥𝑖 − 𝑦𝑖)2𝑛𝑖=1 ...........(2.2)

c. Diperoleh hasil tabel cluster

Setelah dilakukan perhitungan

jarak dari data terhadap nilai

centroid, didapatkan tabel hasil

perhitungan nilai siswa sebagai

berikut :

Tabel 3. Tabel Perhitungan Siswa Awal

d. Centroid baru

Setelah dihitung akan muncul

nilai centroid baru yang akan

digunakan untuk menghitung

kembali data nilai.

Tabel 4. Tabel Nilai Centroid Baru

e. Tabel hasil cluster data siswa

Setelah dilakukan perhitungan

sebanyak 2 epoch atau 2 kali

perhitungan nilai yang di dapat


Artikel Skripsi




tidak berubah. Jika nilai tidak

berubah maka perhitungan sudah

mendapatkan hasil akhir.

Tabel 5. Tabel Siswa Tercluster

f. Tidak ada perubahan centroid

lagi. Jadi didapatkan hasil

pengelompokkan data :

Tabel 6. Tabel Hasil Akhir Perhitungan

K-Means

3. Tampilan Program

a. Form Halaman Awal Aplikasi

Gambar 1. Halaman Awal Aplikasi

b. Form Pelajaran Siswa

Gambar 2. Form Pelajaran Siswa

c. Form Input Data Siswa

Gambar 3. Halaman Input Data Siswa

4. Tampilan Output

d. Form Halaman Hasil

Gambar 4. Halaman Hasil

Kesimpulan

Berdasarkan pembahasan dan

implementasi program yang mengacu

pada rumusan masalah yang ada yaitu

bagaimana merancang sistem untuk

mengelompokkan data siswa

menggunakan Algoritma K-Means

Clustering dan bagaimana membuat

program aplikasi sistem untuk

mengelompokkan data siswa

menggunakan Algoritma K-Means


Artikel Skripsi




Clustering, maka dapat diambil

beberapa kesimpulan bahwa program

ini dapat digunakan untuk mengolah

data siswa menjadi suatu alternatif

keputusan dimana dapat membantu

Kepala Sekolah dan Guru Wali Kelas

untuk memantau bagaimana

perkembangan anak didiknya selama

sistem belajar mengajar di sekolah dan

memudahkan Bagian Tata Usaha

dalam melakukan rekap data siswa.

Saran

Kesempurnaan dari suatu sistem

selalu bersifat relatif berdasarkan cara

pandang dan konsep dari setiap

pemikiran yang berbeda serta

memiliki alur yang bervariasi. Karena

sistem ini dibangun berdasarkan alur

pemikiran penulis, maka untuk hasil

yang lebih baik dan maksimal

diperlukan saran dari pihak manapun

untuk melengkapi kekurangan yang

ada. Serta penggunaan sistem atau

aplikasi yang baik adalah mengikuti

alur dan petunjuk yang telah

diberikan, untuk mendapatkan hasil

yang maksimal.

IV. DAFTAR PUSTAKA

Arikunto, S. 2010, Prosedur

Penelitian: Suatu Pendekatan

Praktik. Jakarta: Rineka Cipta.

Hasibuan, Zainal A. 2007. Metodologi

Penelitian pada Bidang Ilmu

Komputer Dan Teknologi

Informasi. Diunduh 09 November

2015 pukul 13.18 WIB.

Hartanti, Ninik Tri. 2015. Sistem

Pendukung Keputusan untuk

Menentukan Program Keahlian di

SMK Syubbanul Wathon

Magelang. Makalah disajikan

dalam Konferensi Nasional

Sistem & Informatika 2015

STMIK STIKOM Bali.

Indrajani. 2015. Database Design.

Jakarta : PT. Elex Media

Komputindo.

M. Agustin. 2015. Implementasi

Algoritma K-Means untuk

Menentukan Kelompok

Pengayaan Materi Mata

Pelajaran Ujian Nasional (Studi

Kasus : SMPN 101 Jakarta).

Jurnal Teknik Informatika Vol. 8

No. 1, April 2015

Muzakir, Ari. 2014. Analisa dan

Pemanfaatan Algoritma K-Means

Clustering pada Data Nilai Siswa

sebagai Penentuan Penerima

Beasiswa. Prosiding Seminar

Nasional Aplikasi Sains dan

Teknologi (SNAST).

Ong, Johan Oscar,. 2013.

Implementasi Algoritma K-means

Clustering untuk Menentukan

Strategi Marketing President

University Vol.12, No.1. President

University, Bekasi.

Palupi, Rini Dian. Metodologi

Pengembangan Sistem Informasi.

Diunduh 26 November 2015

pukul 20.00 WIB.

Prasetyo. 2014. Data Mining

Mengolah Data Menjadi

Informasi menggunakan Matlab.

Yogyakarta : Andi.

Ramadhani, Rima Dias. “Data Mining

Menggunakan Algoritma K-

Means Clustering Untuk

Menentukan Strategi Promosi

Universitas Dian

Nuswantoro”,Universitas Dian

Nuswantoro. 2014

Saputra, Agus. 2015. Website Toko

Online Dengan Smarty Php.

Cirebon : Asfa Solution.


Artikel Skripsi




Tampubolon, K., Saragih, H., & Reza,

B. 2013. Implementasi Data

Mining Algoritma Apriori Pada

Sistem Persediaan Alat-Alat

Kesehatan. Makalah disajikan

dalam Majalah Volume : I,

Nomor : 1, Oktober 2013.


Documents

ARTIKEL PENINGKATAN MUTU PENDIDIKAN BERKARAKTER …simki.unpkediri.ac.id/mahasiswa/file_artikel/2017/0b28b... · 2017-08-21 · Pengayaan Materi Mata Pelajaran Ujian Nasional (Studi