Klasterisasi Sekolah Menggunakan Algoritma K-Means dan K-Medoids Berdasarkan Fasilitas, Pendidik, dan Tenaga Pendidik
Abstract
Kualitas pendidikan dipengaruhi oleh fasilitas, pendidik, dan tenaga pendidik, yang merupakan indikator penting dalam pencapaian pembelajaran di sekolah. Penelitian ini bertujuan membantu Pemerintah Kabupaten Karawang dalam mengelompokkan sekolah untuk distribusi kebutuhan yang lebih merata menggunakan algoritma K-Means dan K-Medoids dengan dua klaster. Hasil analisis menunjukkan bahwa K-Means membagi sekolah menjadi 32 sekolah dalam klaster 1 dan 140 sekolah dalam klaster 2, sementara K-Medoids membagi menjadi 85 sekolah dalam klaster 1 dan 87 sekolah dalam klaster 2. Nilai Davies-Bouldin Index adalah -0,648 untuk K-Means dan -3,027 untuk K-Medoids. Dari analisis tersebut, 140 sekolah termasuk dalam klaster kurang menurut K-Means, dan 87 sekolah menurut K-Medoids, sehingga disarankan agar Dinas Pendidikan memberikan perhatian khusus pada sekolah-sekolah dalam klaster kurang ini.
References
[2] F. Harahap, "Perbandingan algoritma K Means dan K Medoids untuk clustering kelas siswa tunagrahita 2," 2021.
[3] R. Indriyana, S. Faisal, dan B. Priyatna, "Data mining implementasi algoritma K-Means untuk mengetahui prestasi siswa berdasarkan data nilai (studi kasus: SMA Negeri 1 Telukjambe Barat)," 2019.
[4] A. B. Jiwandono, Okfalisa, dan Dr. M. Sc., "Analisis pengelompokan kelas BPJS Kesehatan dengan menggunakan metode K-Means studi kasus: Badan Penyelenggara Jaminan Sosial (BPJS) Kota Pekanbaru," Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Pekanbaru, 2021.
[5] L. Kartika, A. M. Siregar, dan D. S. Kusumaningrum, "Penerapan algoritma K-Medoids dan K-Means untuk pemetaan penyebaran guru tingkat SMP seluruh kabupaten/kota di Indonesia," 2020.
[6] F. N. A. Kurniawati, "Meninjau permasalahan rendahnya kualitas pendidikan di Indonesia dan solusi," AoEJ, vol. 13, pp. 1–13, 2022. [Online]. Tersedia: https://doi.org/10.47200/aoej.v13i1.765
[7] R. Maulidia, A. M. Siregar, dan S. A. P. Lestari, "Pengelompokan stok barang menggunakan algoritma K-Means," 2019.
[8] E. Meravigliosi, "Kurangnya pemerataan pendidikan di Indonesia: Mengatasi hambatan menuju kesetaraan," 2023.
[9] N. Nurahman, A. Purwanto, dan S. Mulyanto, "Klasterisasi sekolah menggunakan algoritma K-Means berdasarkan fasilitas, pendidik, dan tenaga pendidik," matrik, vol. 21, pp. 337–350, 2022. [Online]. Tersedia: https://doi.org/10.30812/matrik.v21i2.1411
[10] N. Nurul Rhamadani, A. Fauzi, dan E. Nurlaelasari, "Penerapan algoritma K-Means dan K-Medoids dalam pengelompokan sekolah menengah kejuruan (SMK) di Kabupaten Karawang berdasarkan nilai ujian nasional," 2020.
[11] S. Sindi, W. R. O. Ningse, dan I. A. Sihombing, "Analisis algoritma K-Medoids clustering dalam pengelompokan penyebaran Covid-19 di Indonesia," 2020.
[12] M. Tamba, "Analisa clustering laporan prestasi belajar siswa/siswi menggunakan K-Means (studi kasus: sekolah SMA N 21 Medan)," vol. 7, 2018.
[13] L. Utari dan R. Geraldy, "Pemetaan kompetensi siswa untuk mengikuti seleksi lomba kejuaraan multimedia menggunakan metode K-Means," teknois. jurnal ilmiah teknologi informasi dan sains, vol. 12, 2022.
[14] A. Yani, Z. Azmi, dan D. Suherdi, "Implementasi data mining menganalisa data penjualan menggunakan algoritma K-Means clustering," j. sist. inf. trig. dhar. JURSI TGD, vol. 2, p. 315, 2023. [Online]. Tersedia: https://doi.org/10.53513/jursi.v2i2.6357
[15] D. M. Yusup, A. M. Siregar, dan S. A. P. Lestari, "Penerapan data mining clustering dalam menentukan tingkat pembelian kredit tertinggi algoritma K-Means dan K-Medoids," 2023.
