PENERAPAN ALGORITMA K-MEANS PADA PENGELOMPOKKAN NILAI-NILAI KARAKTER AKADEMIK SISWA
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
FADHILAH, ILMA KANZUN
Subject
004 Pemrosesan data dan ilmu komputer
Datestamp
2024-08-14 04:49:18
Abstract :
Penilaian dan pengelompokkan karakter akademik siswa-siswi Sekolah Menengah Pertama Kedungadem masih manual. Hal ini menyebabkan tidak akuratnya hasil yang dimunculkan. Selain itu, dalam penilaian lebih fokus secara akademis. Evaluasi pengembangan diri didasarkan pada penilaian subjektif guru. Sehingga diperlukan cara yang cepat, tepat dan akurat untuk mengatasi permasalahan tersebut yakni K-Means Clustering. Penelitian ini menggunakan data 40 siswa kelas IX. Pada pembelajaran semester genap tahun ajaran 2023/2024 yang memiliki beberapa atribut yaitu nama, nilai religius, nilai nasionalis, nilai kemandirian, nilai gotong royong, dan nilai integritas. Selanjutnya data yang diperoleh diolah pada Microsoft Excel dan diimplementasikan pada Python yang menghasilkan 2 cluster yaitu cluster 1 berjumlah 13 siswa dengan karakter akademik kurang baik dan cluster 2 berjumlah 27 siswa dengan karakter akademik baik. Evaluasi perhitungan jarak menggunakan teknik Davies Bouldin Index. Adapun Euclidean Distance menghasilkan skor 0.849, Manhattan distance menghasilkan skor 1.748, dan Overlap Similarity menghasilkan skor 2.280. Sehingga disimpulkan bahwa perhitungan jarak Euclidean yang digunakan cukup baik daripada perhitungan jarak Manhattan dan Overlap Similarity untuk mengelompokkan data kuesioner nilai-nilai karakter akademik siswa, dikarenakan hasil Davies Bouldin Index yang diperoleh mendekati nol.
Penilaian dan pengelompokkan karakter akademik siswa-siswi Sekolah Menengah Pertama Kedungadem masih manual. Hal ini menyebabkan tidak akuratnya hasil yang dimunculkan. Selain itu, dalam penilaian lebih fokus secara akademis. Evaluasi pengembangan diri didasarkan pada penilaian subjektif guru. Sehingga diperlukan cara yang cepat, tepat dan akurat untuk mengatasi permasalahan tersebut yakni K-Means Clustering. Penelitian ini menggunakan data 40 siswa kelas IX. Pada pembelajaran semester genap tahun ajaran 2023/2024 yang memiliki beberapa atribut yaitu nama, nilai religius, nilai nasionalis, nilai kemandirian, nilai gotong royong, dan nilai integritas. Selanjutnya data yang diperoleh diolah pada Microsoft Excel dan diimplementasikan pada Python yang menghasilkan 2 cluster yaitu cluster 1 berjumlah 13 siswa dengan karakter akademik kurang baik dan cluster 2 berjumlah 27 siswa dengan karakter akademik baik. Evaluasi perhitungan jarak menggunakan teknik Davies Bouldin Index. Adapun Euclidean Distance menghasilkan skor 0.849, Manhattan distance menghasilkan skor 1.748, dan Overlap Similarity menghasilkan skor 2.280. Sehingga disimpulkan bahwa perhitungan jarak Euclidean yang digunakan cukup baik daripada perhitungan jarak Manhattan dan Overlap Similarity untuk mengelompokkan data kuesioner nilai-nilai karakter akademik siswa, dikarenakan hasil Davies Bouldin Index yang diperoleh mendekati nol.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
