Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Suiroh, Suiroh
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
IMPLEMENTASI ALGORITMA K-MEANS PADA PENGELOMPOKAN DATA PENERIMAAN PESERTA DIDIK BARU DI SMKN 1 BALONGAN Suiroh, Suiroh; Astuti, Rini; Muhamad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8335

Abstract

Penerimaan Peserta Didik Baru (PPDB) di SMKN 1 Balongan memiliki peranan penting dalam mengelola lembaga pendidikan yang berlangsung setiap tahun menjelang dimulainya tahun ajaran baru. Masalah pada penelitian ini yaitu SMKN 1 Balongan masih sering menemui strategi yang kurang tepat dalam promosi penerimaan siswa baru dikarenakan belum memiliki informasi dari hasil pengelompokan data penerimaan peserta didik baru yang mendaftar. Penelitian ini bertujuan untuk mendapatkan informasi dari hasil pengelompokan data penerimaan peserta didik baru dengan melalui penerapan algoritma K-Means Clustering. Selain itu, penelitian ini bertujuan untuk mendapatkan parameter Numerical Measures Type apa yang menghasilkan kelompok terbaik pada data PPDB. Pada penelitian ini metode yang digunakan yaitu Knowledge Discovery in Database (KDD). Hasil dari pengelompokan menunjukan bahwa dari jumlah cluster K2 sampai K10 menghasilkan K mana yang terbaik performanya yaitu yang mendekati angka 0. Nilai K yang paling mendekati angka 0 adalah K2. diperoleh hasil terbaiknya yaitu pada cluster k-2 dengan nilai DBI sebesar 0,508 untuk parameter Numerical Measures Type ChebychevDistabce dan Correlaton Matrix. Untuk mengevaluasi kinerja algoritma K-means dapat dilihat dari performance, dimana nilai Davies Bouldin yang mendekati 0 mengindikasikan kualitas algoritma yang semakin baik. Dengan demikian, maka jumlah cluster terbaik dalam percobaan ini adalah K2 atau yang mendekati 0.
Co-Authors Muhamad Basysyar, Fadhil Rini Astuti