Implementasi Algoritma K-Means Dan Fp-Growth Untuk Rekomendasi Bimbingan Belajar Berdasarkan Segmentasi Akademik Siswa

Evi Dewi Sri Mulyani (STMIK TASIKMALAYA, JL. R.E.Martadinata, [phone])
Yoga Handoko Agustin (Jurusan Teknik Informatika STMIK Tasikmalaya, Kota Tasikmalaya)
Nensi Mardhiani Surgawi (Jurusan Teknik Informatika STMIK Tasikmalaya, Kota Tasikmalaya)
Susanto Susanto (Jurusan Teknik Informatika STMIK Tasikmalaya, Kota Tasikmalaya)

IT (INFORMATIC TECHNIQUE) JOURNAL
Vol 6, No 2 (2018): IT JOURNAL OKTOBER 2018

Pengayaan materi merupakan salah satu persiapan peserta didik untuk menghadapi Ujian Nasional (UN). Di SMA NEGERI 4 TASIKMALAYA tidak ada pengelompokan khusus untuk pengayaan UN. Tidak adanya pengelompokan khusus, mengakibatkan kurang tepat sasaran dalam mengatur jadwal mata pelajaran apa saja yang benar-benar dibutuhkan oleh siswa tersebut. Untuk itu diperlukan solusi yang dapat mengatasi kesulitan tersebut. Metode clustering untuk pengelompokan siswa dengan menggunakan Algoritma K-Means dan untuk pola mata pelajaran tiap kelompok siswa menggunakan Algoritma FP-Growth. Jumlah cluster ada k=2 dan maksimal itemset adalah 3 itemset, jumlah dataset yang digunakan adalah 190 dataset. Aplikasi ini selain menampilkan pengelompokkan siswa pada mata pelajaran UN, juga dapat menampilkan pola mata pelajaran UN yang dibutuhkan dari tiap kelompoknya.