Clasterization of Student's Level of Understanding in Online Learning System with K-Means Clustering
Keywords:
Pembelajaran Online, Data Mining, K-Means Clustering, Siswa, PemahamanAbstract
Data mining atau biasa disebut penambangan data adalah proses ekstrasi data-data dalam jumlah besar untuk mendapatkan informasi terstruktur dari sistem yang dibutuhkan pengguna. Penelitian ini bertujuan untuk mengetahui tingkat pemahaman siswa dalam pembelajaran online yang marak terjadi pada saat ini. Pembelajaran online yang terjadi pada SMK Negeri 1 Percut Sei Tuan ini tidak menyertakan evaluasi dan pengelompokan untuk setiap siswa berdasarkan beberapa nilai yang telah diperoleh, sehingga pembimbing atau guru belum dapat melihat rekomendasi siswa mana yang perlu mendapat perhatian khusus terhadap tingkat pemahaman yang mereka dapatkan. Tujuan dari penelitian ini adalah membangun sebuah sistem berbasis desktop menggunakan Microsoft Visual Studio untuk memperoleh informasi dan mengetahui pemahaman siswa terhadap sistem pembelajaran online. Algoritma yang digunakan dalam penelitian ini adalah algoritma K-Means Clustering, dimana algoritma tersebut dapat menghasilkan kelompok dengan cara menghitung jarak setiap data yang diuji dengan pusat cluster awal sehingga dapat menghasilkan pengelompokan yang akurat. Uji coba dilakukan sebanyak 6 kali iterasi dengan data 30 siswa, maka hasil yang diperoleh dari pengujian tersebut yaitu C1 sebanyak 11 siswa, C2 sebanyak 17 siswa dan C3 sebanyak 2 siswa, dimana C1 adalah tingkat pemahaman siswa tinggi, C2 adalah tingkat pemahaman siswa sedang, dan C3 adalah tingkat pemahaman siswa rendah.
References
Aziz, F. N. R. F., Setiawan, B. D., & Arwani, I. (2018). Implementasi Algoritma K-Means untuk Klasterisasi Kinerja Akademik Mahasiswa. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(6), 2243–2251.
Muhammad Saed Novendri, Saputra, A., & Firman, C. E. (2019). Aplikasi Inventaris Brang ada. Aplikasi Inventaris Barang Pada Mts Nurul Islam Dumai Menggunakan PHP DAN MySql, 10(2), 46–57.
Nawawi, M. S., & Gustian, D. (2020). Algoritma K-Means Dalam Penentuan Tingkat Kepuasan Siswa Terhadap Pembelajaran Online Di Masa Pandemi. Seminar Nasional Informatika 2020, 2020(Semnasif), 123–133.
Sensuse, G. G. D. I. (2012). Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth (FP-GROWTH). Jurnal Telematika MKOM, 4(1).
Sianipar, K. D. R., Siahaan, S. W., Siregar, M., R.H Zer, F. I., & Hartama, D. (2020). Penerapan Algoritma K-Means Dalam Menentukan Tingkat Kepuasan Pembelajaran Online Pada Masa Pandemi Covid-19. Jurnal Teknologi Informasi, 4(1), 101–105. https://doi.org/10.36294/jurti.v4i1.1258
Sibua, F. L., & Sapta, A. (2017). Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustring. Jurteksi, 4(1), 85–92. https://doi.org/10.33330/jurteksi.v4i1.28
Wanto, A., Siregar, M. N. H., Windarto, A. P., Hartama, D., Ginantra, N. L. W. S. R., Napitupulu, D., Negara, E. S., Lubis, M. R., Dewi, S. V., & Prianto, C. (2020). Data Mining. Yayasan Kita Menulis.
Wicaksono, A. E. (2016). Implementasi Data Mining Dalam Pengelompokan Peserta Didik Di Sekolah Untuk Memprediksi Calon Penerima Beasiswa Dengan Menggunakan Algoritma K-Means. Jurnal Teknologi Rekayasa, 21(3), 206–216. http://www.sman16bekasi.sch.id
Widyaningrum, S. R. (2014). Implementasi Data Mining untuk Pengelompokan Data Siswa Menggunakan Algoritma K-Means Clustering (Studi Kasus : SMKN 1 Kediri). In Universitas Nusantara PGRI Kediri (Vol. 01, Issue 08).
Wulandari, D. A., Jatnika, H., & S.Purwanto, Y. (2018). Rancang Bangun Aplikasi Clustering Data Mining Menggunakan Metode K-Means Dan K-Modes. Jurnal Kajian Ilmu Dan Teknologi, 7(1), 30–35. https://doi.org/10.33322/kilat.v7i1.96
Zahra, S., Ghazanfar, M. A., Khalid, A., Azam, M. A., Naeem, U., & Prugel-Bennett, A. (2015). Novel Centroid Selection Approaches for K Means-Clustering based recommender system. Information Sciences, 320, 156–189. https://doi.org/10.1016/j.ins.2015.03.062
