Penerapan Algoritma K-Medoids dan K-Means untuk Pemetaan Penyebaran Guru Tingkat SMP Seluruh Kabupaten/Kota di Indonesia

Lilis Kartika; Amril Mutoi Siregar; Dwi Sulistya Kusumaningrum

Lilis Kartika Universitas Buana Perjuangan Karawang
Amril Mutoi Siregar Universitas Buana Perjuangan Karawang
Dwi Sulistya Kusumaningrum Universitas Buana Perjuangan Karawang

Keywords: Penyebaran Guru, Data Mining, Clustering, K-Medoids, K-Means

Abstract

Guru memiliki peran penting dalam pendidikan, jasanya mampu menciptakan generasi-generasi yang berkualitas, baik secara intelektual maupun akhlaknya. Tenaga pengajar Indonesia belum tersebar dengan baik di pelosok negeri, sesuai dengan Roadmap Pengelolaan Aparatur Sipil Negara (ASN) dan Perencanaan Formasi tahun 2014. Oleh karena itu, perlu dilakukan pemetaan persebaran tenaga pengajar di berbagai wilayah dan kota di Indonesia. Dalam riset ini, pengelompokkan data memakai Algoritma K-Medoids dan K-Means dengan dataset yaitu jumlah guru, jumlah peserta didik, dan jumlah sekolah jenjang SMP. Algoritma K-Medoids menghasilkan cluster 1 yang memiliki kekurangan guru sebanyak 302 Kabupaten/Kota, pada cluster 2 yang memiliki kelebihan guru sebanyak 77 Kab/Kota, sedangkan cluster 3 yang memiliki cukup guru sebanyak 135 Kab/Kota. Sedangkan Algoritma K-Means menghasilkan cluster 1 yang memiliki kekurangan guru sebanyak 363 Kabupaten/Kota, cluster 2 yang memiliki cukup guru sebanyak 125 Kabupaten/Kota, sedangkan cluster 3 yang memiliki kelebihan guru sebanyak 26 Kabupaten/Kota. Manfaat dari penelitian ini sebagai penunjang keputusan pemerataan guru seluruh Kabupaten/Kota di Indonesia yang masih kekurangan atau kelebihan guru.

References

[1] B. Jilan, “Permasalahan guru di Indonesia,” Universitas Islam Negeri Syarif Hidayatullah Jakarta, 2018. [Online]. Available: https://www.uinjkt.ac.id/id/permasalahan-guru-di-indonesia/. [Accessed: Jan. 9, 2020, 15:30].
[2] CPNS Pusat, “Data kelebihan dan kekurangan guru di Indonesia,” 2014. [Online]. Available: www.asncpns.com/2014/04/data-kelebihan-dankekurangan-guru-di.html. [Accessed: Jan. 12, 2020, 15:40].
[3] Y. A. Priambodo and S. Y. J. Prasetyo, “Pemetaan penyebaran guru di Provinsi Banten dengan menggunakan metode spatial clustering K-Means (studi kasus: wilayah Provinsi Banten),” Indonesian Journal of Modeling and Computing, pp. 18–27, 2018.
[4] E. D. Pratomo, I. Tri, and W. L. Y. Saptomo, “Metode K-Means dalam pemetaan penyebaran Pamsimas,” Jurnal TIKomSiN, vol. 7, no. 2, pp. 1–6, 2019.
[5] B. Riyanto, “Penerapan algoritma K-Medoids clustering untuk pengelompokan penyebaran diare di Kota Medan (studi kasus: kantor Dinas Kesehatan Kota Medan),” Konferensi Nasional Teknologi Informasi dan Komputer, vol. 3, no. 1, pp. 562–568, 2019.
[6] S. C. Dewi, A. M. Siregar, and D. S. Kusumaningrum, “Pengelompokan jumlah sumber daya manusia kesehatan puskesmas untuk menunjang pemerataan pada Provinsi Jawa Tengah menggunakan algoritma K-Means,” Scientific Student Journal for Information, Technology and Science, vol. 1, no. 2, pp. 86–94, 2020.
[7] R. Primartha, Belajar Machine Learning Teori dan Praktek, Informatika, Bandung, 2018.
[8] A. M. Siregar and A. Puspabhuana, Data Mining: Pengolahan Data Menjadi Informasi dengan RapidMiner, CV. Kekata Group, 2017.
[9] B. Santosa, Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis, 1st ed., Penebar Media Pustaka, Yogyakarta, 2013.
[10] D. F. Pramesti, M. T. Furqon, and C. Dewi, “Implementasi metode K-Medoids clustering untuk pengelompokan data potensi kebakaran hutan/lahan berdasarkan persebaran titik panas (hotspot),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 9, pp. 723–732, 2017.
[11] Z. Mustofa and I. S. Suasana, “Algoritma clustering K-Medoids pada E-Government bidang Information and Communication,” Jurnal Teknologi Informasi dan Komunikasi, vol. 9, no. 1, pp. 1–10, 2018.
[12] D. Marlina, N. F. Putri, A. Fernando, and A. Ramadhan, “Implementasi algoritma K-Medoids dan K-Means untuk pengelompokkan wilayah sebaran cacat pada anak,” Jurnal CoreIT, vol. 4, no. 2, pp. 64–71, 2018.
[13] I. Kamila, U. Khairunnisa, and Mustakim, “Perbandingan algoritma K-Means dan K-Medoids untuk pengelompokan data transaksi bongkar muat di Provinsi Riau,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 5, no. 1, pp. 119–125, 2019.
[14] A. F. Khairati, A. A. Adlina, G. F. Hertono, and B. D. Handari, “Kajian indeks validitas pada algoritma K-Means enhanced dan K-Means MMCA,” Prosiding Seminar Nasional Matematika, vol. 2, pp. 161–170, 2019.
[15] A. Ramadhan, Z. Efendi, and Mustakim, “Perbandingan K-Means dan Fuzzy C-Means untuk pengelompokan data user knowledge modeling,” Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI), pp. 18–19, 2017.