<![CDATA[Tujuan penelitian ini yaitu menemukan kelompok siswa dan kelompokmata pelajaran yang homogen sehingga bisa memantau ataumengetahui kinerja akademik siswa. Langkah pertama yaitumentransformasi data dengan menggunakan normalisasi min-max.Setelah itu, diterapkan ï£ -Sim co-similarity untuk menghasilkanmatriks similaritas siswa (SS) dan similaritas pelajaran (SP). MasingmasingSS dan SP dikelompokan menggunakan algoritma k-meansclustering dan menggunakan Silhouette untuk menentukan banyaknyakelompok yang terbaik. Pada pengelompokkan SS diperoleh nilaiSilhouette terbesar yaitu 0,9755781 pada iterasi keempat yangmempartisi menjadi 4 cluster sebagai berikut 67 siswa pada cluster 1, 9siswa pada cluster 2, 45 siswa pada cluster 3 dan 43 siswa pada cluster4. Pada SP diperoleh nilai Silhouette terbesar yaitu 0,5756133 padaiterasi keempat yang mempartisi menjadi 2 cluster sebagai berikutBahasa Indonesia dan Bahasa Inggris pada cluster 1 dan Matematikadan IPA pada cluster 2.]]>
Copyrights © 2020
