Article Per Year (5 Year)
p-Index From 2021 - 2026
1.829
P-Index
This Author published in this journals
All Journal Panrita Abdi - Jurnal Pengabdian pada Masyarakat Jurnal Mantik Penusa IJISTECH (International Journal Of Information System & Technology) IJISTECH Information System Journal (INFOS) Jurnal Abdi Masyarakat Indonesia Batara Wisnu : Indonesian Journal of Community Services Journal of Innovative and Creativity
Erni Seniwati
Universitas AMIKOM Yogyakarta
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mathematics Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Innovative and Creativity

 1 
A Klasterisasi Kualitas Pendidikan Dasar Berdasarkan Elemen Ekosistem Pendidikan Menggunakan K-Means DBI di Kabupaten Magelang ninik tri hartanti; Dina Maulina; Erni Seniwati
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.1306

Abstract

Salah satu pilar dasar sistem pendidikan di Indonesia adalah pendidikan dasar yang dirancang untuk membentuk kualitas sumber daya manusia di masa depan. Kategori pendidikan dasar di Indonesia meliputi jenjang Sekolah Dasar (SD) dan yang setara, serta Sekolah Menengah Pertama (SMP) dan jenjang yang setara. Kabupaten Magelang merupakan wilayah di Jawa Tengah yang memiliki perbedaan dalam ekosistem pendidikan dapat menunjukkan adanya kesenjangan dalam penyelenggaraan pendidikan dasar. Penelitian ini bertujuan untuk memetakan kondisi atau kualitas pendidikan dasar di Kabupaten Magelang berdasarkan elemen ekosistem pendidikan yaitu sekolah, guru, dan murid. Metodologi yang digunakan terdiri dari algoritma K-Means, pendekatan Elbow, dan pengukuran menggunakan Davies-Bouldin Index (DBI). Klasterisasi dilakukan dengan algoritma K-Means, jumlah klaster terbaik ditentukan melalui metode Elbow, dan keakuratan klaster divalidasi menggunakan Davies-Bouldin Index (DBI). Data yang digunakan merupakan data publik yang dapat diakses melalui https://jateng.bps.go.id/id. Hasil penelitian memperlihatkan bahwa beberapa sekolah tingkat pendidikan dasar di Kabupaten Magelang dapat digolongkan ke dalam 3 klaster untuk setiap sekolah, yang terbagi ke dalam klaster tingkat tinggi, menengah, dan rendah. Pada klaster tinggi, sedang dan rendah untuk SD terdapat 3 kacamatan, 12 kecamatan dan 6 kecamatan. Sedangkan untuk MI terdapat 4 kecamatan, 9 kecamatan, dan 8 kecamatan. Kategori tinggi, sedang dan rendah untuk SMP adalah 3 kacamatan, 11 kecamatan dan 7 kecamatan, dan klaster tinggi, sedang dan rendah untuk MTs adalah 3 kacamatan, 8 kecamatan dan 10 kecamatan.
Penerapan Teknik Clustering untuk Identifikasi Pola Perilaku Belajar Siswa Menggunakan Dataset Publik Learning Analytics Ninik Tri Hartanti; Dina Maulina; Erni Seniwati; Irma Rofni Wulandari
Journal of Innovative and Creativity Vol. 5 No. 3 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i3.5104

Abstract

Perkembangan teknologi informasi telah mendorong munculnya bidang Educational Data Mining (EDM) yang memanfaatkan data pendidikan untuk memahami perilaku belajar siswa. Memanfaatkan dataset publik Learning Analytic dalam penerapan Educational Data Mining, dikombinasikan dengan metode clustering akan dapat membantu dalam proses penentuan kelompok belajar siswa. Penelitian ini bertujuan untuk mengidentifikasi pola perilaku belajar siswa menggunakan teknik clustering berdasarkan dataset publik learning analytics. Metode yang digunakan adalah K-Means clustering dengan evaluasi Davies-Bouldin Index (DBI) untuk menentukan jumlah cluster optimal. Data yang digunakan berasal dari dataset publik Student Performance yang mencakup kegiatan atau waktu belajar, kehadiran, kegagalan belajar dan nilai siswa. Hasil clustering mengidentifikasi empat pola cluster yaitu kelompok risiko akademik tinggi, kelompok performa menengah, kelompok siswa berprestasi tinggi, dan kelompok absensi tinggi. Hasil evaluasi DBI menunjukkan nilai 0.0072 yang mengindikasikan kualitas cluster yang baik. Hasil penelitian diharapkan dapat menjadi dasar bagi pengembangan strategi pembelajaran yang lebih personalisasi dan efektif
Co-Authors Achmad, Lukman Acihmah Sidauruk Adhisti Eka Putri Andi Sutra Kusumaningrum Banu Santoso Barka Satya Bayu Setiaji Diana Koesuma Dina Maulina Dina Maulina Elsafira Budi Dewantari Hastari Utama Hery Iswanto Irma Rofni Wulandari Irma Rofni Wulandari La Ode Syafaat Hidayat M.Iqbal Abdullah Sukri Muhammad Iqbal Kusrachmansyah Muhammad Noor Arridho Nila Feby Puspitasari NINIK TRI HARTANTI Rabiatul Adawiyah Shofi Putri Ekadewi Trisa Ayunanda Saputri Yuli Astuti Yuli Astuti Yuli Astuti