SISTEM PEMBAGIAN KELOMPOK BIMBINGAN BELAJAR DENGAN METODE K-MEANS CLUSTERING

Artikel Skripsi Universitas Nusantara PGRI Kediri

SISTEM PEMBAGIAN KELOMPOK BIMBINGAN BELAJAR DENGAN METODE K-MEANS CLUSTERING

ARTIKEL SKRIPSI Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Teknik Informatika Fakultas Teknik UNP Kediri

OLEH: MOH. LUQMAN HAKIM NPM : 11.1.03.02.0235

FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UNP KEDIRI 2015

Moh. Luqman Hakim | 11.1.03.02.0235 Fakultas Teknik – Teknik Informatika

simki.unpkediri.ac.id || 1||


Skripsi oleh :

MOH. LUQMAN HAKIM NIM : 11.1.03.02.0235

Judul : SISTEM PEMBAGIAN KELOMPOK BIMBINGAN BELAJAR DENGAN METODE K-MEANS CLUSTERING

Telah Disetujui Untuk Dilanjutkan Kepada Panitia Ujian / Sidang Skripsi Program Studi Teknik Informatika Fakultas Teknik UNP Kediri

Tanggal : 28 Agustus 2015




Skripsi oleh :

MOH. LUQMAN HAKIM NIM: 11.1.03.02.0235

Judul : SISTEM PEMBAGIAN KELOMPOK BIMBINGAN BELAJAR DENGAN METODE K-MEANS CLUSTERING

Telah Dipertahankan Di Depan Panitia Ujian / Sidang Skripsi Program Studi Teknik Informatika Fakultas Teknik UNP Kediri Pada Tanggal : 28 Agustus 2015




SISTEM PEMBAGIAN KELOMPOK BIMBINGAN BELAJAR DENGAN METODE K-MEANS CLUSTERING MOH. LUQMAN HAKIM 11.1.03.02.0235 Fakultas Teknik – Teknik Informatika [email protected] Dr. RR. Forijati, SE., M.M. dan Agustono Heriadi, S.ST., M.Kom. UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK Moh. Luqman Hakim : Sistem Pembagian Kelompok Bimbingan Belajar Dengan Metode K-Means Clustering, Skripsi, Teknik Informatika, Prodi Teknik UNP Kediri, 2015 Perkembangan Teknologi Informasi dalam dunia pendidikan banyak berpengaruh dalam kemajuan pendidikan. Seperti dalam proses pembagian kelompok bimbingan belajar di SMP Negeri 1 Gampengrejo. Pembagian Kelompok sangatlah penting dalam pemerataan nilai. Hal ini dipergunakan untuk mempermudah pekerjaan pada sekolah. Hal tersebut menyebabkan pembagian siswa yang tidak merata dan efisien. Oleh karena itu, diperlukan suatu sistem yang dapat membantu pembagian kelompok bimbingan belajar agar mempermudah proses pembagian siswa ke dalam kelompok sesuai prosedur yang telah ditentukan. Rumusan masalah penelitian ini adalah (1) Bagaimana merancang aplikasi sistem pengelompokkan bimbingan ke dalam kelas di SMP Negeri 1 Gampengrejo? (2) Bagaimana implementasi program aplikasi sistem pengelompokkan siswa ke dalam kelas di SMP Negeri 1 Gampengrejo? Kesimpulan hasil penelitian ini adalah (1) Dengan adanya sistem aplikasi ini, dapat memudahkan pembagian kelompok bimbingan belajar di SMP Negeri 1 Gampengrejo dengan mudah dan efisien. (2) Dengan adanya sistem aplikasi ini kelompok bimbingan belajar yang dihasilkan lebih efektif. Karena pembagian kelompok bimbingan belajar berdasarkan kriteria yang telah ditentukan Berdasarkan penelitian ini terdapat beberapa saran yaitu (1) Untuk kedepannya diharapkan sistem aplikasi ini dapat dikembangkan lebih lanjut, yaitu dengan menambah fasilitas serta desainnya sehingga lebih bagus. (2) Diharapkan sistem aplikasi ini dikembangkan lagi dengan bahasa pemrograman dan metode yang lain. (3) Untuk mengantisipasi kerusakan sistem maupun perangkat keras, sebaiknya dalam jangka waktu tertentu dilakukan backup data dari database.

Kata Kunci : Sistem Pembagian Kelompok Bimbingan Belajar, K-Means Clustering




I.

Permasalahan yang timbul adalah

LATAR BELAKANG Agenda

SMP

Negeri

1

pihak sekolah mengalami kesulitan

Gampengrejo yang akan menghadapi

dalam

Ujian Nasional (UN) yaitu akan

bimbingan

mengadakan suatu bimbingan belajar

tingkat

atau tambahan pelajaran. Hal ini

dikarenakan

bertujuan untuk memantapkan materi

mempunyai kemampuan memahami

– materi mata pelajaran yang akan di

mata pelajaran yang berbeda-beda.

ujikan.

Dalam

sistem

perkembangannya

pembagian

menentukan dalam

kelompok menentukan

kemampuan

siswa.

tiap-tiap

Metode

K-Means

Ini siswa

adalah

kelompok

metode pengelompokan data dengan

bimbingan belajar yang ada saat ini

mengambil parameter sejumlah k

dirasa kurang efektif dikarenakan

cluster, dan mempartisi data kedalam

penekanan

yang

cluster tersebut, dengan berpatokan

diberikan diberikan untuk semua

pada kemiripan antar data dalam satu

kelompok (kelas). Sedangkan tingkat

cluster dan ketidakmiripan di antar

kemampuan siswa dalam setiap mata

cluster yang berbeda, pusat dari

pelajaran tidak sama. Sebagian siswa

cluster adalah rata-rata dari nilai

hanya tanggap dalam beberapa mata

anggota

pelajaran, dan ada sebagian yang

centroid atau center of gravity

tanggap dalam semua mata pelajaran.

(Kamber, 2007). Selain itu K-Means

Masalah

mengakibatkan

melakukan pengelompokan dengan

siswa

meminimalkan jumlah kuadrat dari

pembelajaran

tersebut

kurangnya

minat

dalam

mengikuti proses bimbingan belajar. Belum pembagian

adanya

sistem

cluster

yang

disebut

jarak (distance) antara data dengan centroid

cluster

yang

cocok

kelompok

bimbingan

(Teknomo, 2006). Pemilihan metode

menyebabkan

pembagian

K-Means dikarenakan metode ini

kelompok bimbingan belajar tidak

harus menggunakan data fisik tidak

sesuai

abstrak dan bersifat jelas, hal ini

belajar,

sistem

harapan. ini

Dengan

adanya

diharapkan

dapat

sesuai

dengan

data

yang

akan

digunakan sebagai nilai pembanding

digunakan pada permasalahan di

untuk

dalam pengelompokan bimbingan

mengelompokkan


siswa.



belajar

di

SMP

Negeri

menguasai materi – mateeri pelajaran

1

Gampengrejo. Selain itu, metode ini

yang dibahas.

bersifat fleksibel sebab pengguna

Berdasarkan masalah diatas,

dapat menentukan jumlah cluster

penulis berencana membuat sistem

yang akan dibuat.

pembagian

Penelitian

sebelumnya

kelompok

belajar

bimbingan

berdasarkan

pernah dilakukan oleh Teguh Hariadi

kemampuan

dengan judul “Penerapan Algoritma

kelompok dibantu oleh perangkat

K-Means

lunak hasil implementasi dari metode

Untuk

Pengelompokan

siswa.

tingkat

Data Nilai Siswa” dari Universitas

clustering

Dian Nuswantoro Semarang. Pada

mengelompokkan

penelitian

dengan

tersebut

peneliti

Pembagian

yang

valid.

dapat

siswa

belajar

Dengan

adanya

mengelompokkan nilai siswa ke

pembagian kelompok ini diharapkan

dalam 2 kelompok yaitu nilai baik

dapat membantu para siswa untuk

atau maksimal dan nilai buruk atau

lebih

minimal. Menurut penulis penilitian

menguasai

tersebut

dibimbingkan.

hanya

sebatas

cepat mata

memahami

dan

pelajaran

yang

pengelompokkan secara umum atau seluruh kelas dan tidak mencangkup

II.

METODE K-MEANS

tiap – tiap nilai mata pelajaran yang diajarkan.

Metode

K-Means

adalah

metode pengelompokan data dengan

Perbedaan dari penelitian

mengambil parameter sejumlah k

sebelumnya adalah data yang di

cluster, dan mempartisi data kedalam

inputkan sama yaitu nilai siswa tetapi

cluster tersebut, dengan berpatokan

output

yang dihasilkan berbeda.

pada kemiripan antar data dalam satu

Dalam penelitian ini, output yang

cluster dan ketidakmiripan di antar

ingin dihasilkan yaitu kelompok –

cluster yang berbeda, pusat dari

kelompok

cluster adalah rata-rata dari nilai

adanya

bimbingan. sistem

diharapkan

anggota

bimbingan

centroid atau center of gravity

dapat maksimal sehingga siswa dapat

(Kamber, 2007). Selain itu K-Means

pembagian

ini

Dengan

kelompok


cluster

yang

disebut



melakukan pengelompokan dengan meminimalkan jumlah kuadrat dari

tinggi untuk menemukan titik pusat

klaster

yang

tepat.

jarak (distance) antara data dengan centroid

cluster

yang

cocok

tersebut jauh dari solusi akhir

(Teknomo, 2006). Dalam

Sebaliknya, jika awal titik pusat

teknik

K-Means

pusat

klaster,

maka

besar

dimulai dengan obyek ke dalam K kelompok

atau

klaster.

Untuk

melakukan klastering nilai K harus ditentukan terlebih dahulu. Metode

kemungkinan ini menyebabkan hasil pengklasteran yang tidak tepat.

K-Means bisa menggunakan ukuran kemiripan untuk mengelompokkan suatu

obyek.

Kemiripan

ini

diterjemahkan dalam konsep jarak

3. Menempatkan setiap data/obyek ke klaster terdekat. Kedekatan dua obyek ditentukan berdasar

(Santosa, 2007). Semakin dekat jarak maka semakin tinggi kemiripannya. Berikut langkah-langkah algoritma K-Means Clustering :

jarak

kedua

obyek

tersebut.

Demikian juga kedekatan suatu data ke klaster tertentu ditentukan

1. Menentukan jumlah K klaster jarak antara data dengan pusat 2. Inisialisasi nilai K pusat klaster klaster. Dalam tahap ini perlu atau nilai means atau centroid, dihitung jarak tiap data dengan yang paling sering digunakan satu adalah

dengan

cara

klaster

tertentu

akan

random menentukan suatu data masuk

(acak). Pada saat pembangkitan dalam klaster. Konsep jarak yang awal titik pusat yang random digunakan

adalah

jarak

tersebut mendekati solusi akhir Euclidean (L2-norm). pusat

klaster,

K-Means 4. Menghitung

mempunyai

posibilitas

klaster Moh. Luqman Hakim | 11.1.03.02.0235 Fakultas Teknik – Teknik Informatika

kembali

pusat

yang dengan

keanggotaan



klaster sekarang. Pusat klaster

III. HASIL DAN KESIMPULAN Data Siswa

adalah rata-rata dari semua data atau obyek dalam klaster tertentu. Jika

dikehendaki

bisa

juga

memakai median dari klaster tersebut. 5. Menghitung

kembali

pusat

klaster yang baru jika pusat tidak berubah

lagi,

pengklasteran

maka

proses

selesai

atau

kembali ke langkah yang ketiga sampai

pusat

klaster

tidak Menentukan Klaster Acak

berubah lagi. 1 C1 C2 C3

MM 80 35 85

BI 90 45 45

BING 65 95 55

IPA 80 85 45

IPS 90 95 85

NUM 40,5 35,5 31,5

Perhitungan Rumus : 𝑑(𝑥, 𝑦) = |𝑥 − 𝑦|2 = √∑𝑛𝑖=1(𝑥𝑖 − 𝑦𝑖 )2




pembagian kelompok bimbingan

Hasil Pembagian Kelas NO 1 2 3

KELAS A NAMA Sonia Puspa Rini Miranda Agustin Rendi Septiawan

NO 1 2 3

KELAS B NAMA Febrin Claudia Angeli Retno Kurniawati Fery Rudiansyah

belajar JENKEL P L L

di

SMP

Negeri

1

Gampengrejo dengan mudah dan efisien. 2. Dengan adanya sistem aplikasi ini kelompok bimbingan belajar yang dihasilkan lebih efektif.

JENKEL P L L

Karena

pembagian

kelompok

bimbingan belajar berdasarkan kriteria yang telah ditentukan.

NO 1 2

KELAS C NAMA Abdi Riho Ferdinan Muhammad Burhadusin E.

JENKEL L P

IV.

DAFTAR PUSTAKA Arikunto, 1992. Pengelolaan Kelas dan

NO 1 2

KELAS D NAMA Bachtiar Kurniawan W. Achmad Iqbaal R.

Siswa

Pendekatan JENKEL L P

:

Sebuah Evaluatif.

Jakarta : Rineka Cipta bin Ladjamudin, Al-Bahra. 2005. Analisis dan Desain Sistem

Kesimpulan

Informasi.

Sistem aplikasi pembagian kelompok bimbingan dengan metode

Yogyakarta:

Graha Ilmu Fatansyah.2002.

Basis

k-means clustering ini merupakan

Data.Bandung: Informatika

salah satu cara untuk memudahkan

Kristanto Andri, 2008. Perancangan

pihak SMP Negeri 1 Gampengrejo

Sisteem

dalam

Aplikasi.

melakukan

pembagian

kelompok bimbingan belajar. Berdasarkan

Inforasi

dan

Santosa, Budi. 2007. Data Mining: hasil

Teknik Pemanfaatan Data

pembahasanan yang telah diuraikan

untuk

pada bab – bab sebelumnya, makan

Jogjakarta : Graha Ilmu

keperluan

bisnis.

dapat disimpulkan sebagai berikut : 1. Dengan adanya sistem aplikasi ini,

dapat

memudahkan




Santosa, Budi. 2007. Data Mining:

Galih Permana. 2013. Pengertian

Terapan Dengan matlab.

PHP

Jogjakarta : Graha Ilmu

(online).

Soewadji Lazaruth, Kepala Sekolah dan

Tanggung

dan

Kelebihannya. Tersedia:

http://infoterlengkap.blogspot.com/2013/

Jawabnya, (Yogyakarta:

03/pengertian-php-dan-

Kanisius, 1994), cet. VI,

kelebihannya.html, diunduh

hal. 20

17 Maret 2015

Waljiyanto , SISTEM BASIS DATA: Analisis

dan

Pemodelan

sitarokab.

Definisi

dan

Flowchart.

Simbol (online).

Data, 1st ed. Yogyakarta:

Tersedia:

Graha Ilmu, 2003

http://sitarokab.go.id/downl

Andreyanto.

2012.

Pengenalan

otperda.php?file=2%20defi

(online).

nisi%20dan%20simbol%20

Tersedia: http://andreyanto-

Flowchart.pdf, diunduh 16

gunadarma.blogspot.com/20

Maret 2015

flowchart.

12/10/pengenalan-

Yuda Agusta. 2008. K-Means -

flowchart-flowchart.html,

Penerapan, Permasalahan,

diunduh 23 Maret 2015

dan

E-Computer. 2012. Pengertian PHP.

Metode

(online).

Terkait. Tersedia:

(online). Tersedia: http://e-

http://yudiagusta.files.word

komputer.blogspot.com/201

press.com/2008/03/k-

2/10/pengertian-php-

means.pdf,

mysql.html,

diunduh

14

Maret

diunduh

14 2015

Maret 2015



SISTEM PEMBAGIAN KELOMPOK BIMBINGAN BELAJAR DENGAN METODE K-MEANS CLUSTERING

Recommend Documents