Penerapan Algoritma K-Means pada Pengelompokan Data Pendaftar Bantuan Biaya Pendidikan

Abdul Fadlil, Imam Riadi, Yana Mulyana

Abstract


Universitas Muhammadiyah Tasikmalaya merupakan salah satu perguruan tinggi yang mendapatkan bantuan biaya pendidikan untuk mahasiswa penerima program Kartu Indonesia Pintar Kuliah (KIP-Kuliah) disetiap tahunnya. Program ini diperuntukan bagi lulusan SMA/SMK/sederajat dari keluarga miskin/rentan miskin/afirmasi yang memiliki keinginan untuk melanjutkan belajar ke jenjang yang lebih tinggi. Hasil dari evaluasi pelaksanaan dalam penetapan data penerimaannya terdapat masalah karena data pendaftar masih banyak yang berasal dari keluarga mampu, disamping itu jumlah kuota yang diberikan oleh pemerintah sebanyak 30 kuota, jauh lebih sedikit daripada jumlah pendaftar yang berjumlah 191, sehingga harus ada metode yang dapat mengoptimalkan pengelompokan data pendaftar terlebih dahulu agar penetapan penerima bantuan biaya pendidikan KIP-Kuliah tepat sasaran. dalam penelitian ini penulis menggunakan metode Kmeans untuk pengelompokan data pendaftar dengan jumlah klaster sebanyak 3 (K=3). Hasil dari penelitian ini yaitu klaster C0 sebanyak 109 data (57,1%), klaster C1 sebanyak 52 data (27,2%), dan klaster C2 sebanyak 30 data (15,7%). Hasil dari sebaran data pada masing-masing kelompok, penulis merekomendasikan klaster C0 sebagai data kelompok yang dipertimbangkan, klaster C1 sebagai kelompok yang tidak layak dan klaster C2 sebagai kelompok yang layak mendapatkan bantuan biaya pendidikan / KIP-Kuliah.

Full Text:

PDF

References


Agustina, N., & Prihandoko, P. (2018). Perbandingan Algoritma K-Means dengan Fuzzy C-Means Untuk Clustering Tingkat Kedisiplinan Kinerja Karyawan. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 2(3), 621–626.https://doi.org/10.29207/resti.v2i3.492

Annuril Chusna, H., & Tuti Rumiati, A. (2020). Penerapan Metode K-Means dan Fuzzy C-Means untuk Pengelompokan Sekolah Menengah Pertama (SMP) di Indonesia Berdasarkan Standar Nasional Pendidikan (SNP). 9(2), 216–223.

Asahar Johar. (2019). Implementasi Algoritme Hard K- Means Clustering Dalam Penentuan Masa Pensiun (Studi Kasus: Badan Kepegawaian Daerah Provinsi Bengkulu). 7(2),179–186. http://ejournal.unib.ac.id/index.php/rekursif/

Darlinda, & Utamajaya, N. (2022). Sistem Pendukung Keputusan Penerima Beasiswa Program Indonesia Pintar Menggunakan Metode Algoritma K-Means Clustering. JURIKOM (Jurnal Riset Komputer), 9 (2), 167–175. https://doi.org/10.30865/jurikom.v9i2.3971

Darmi, Y. D., & Setiawan, A. (2017). Penerapan Metode Clustering K-Means Dalam Pengelompokan Penjualan Produk. Jurnal Media Infotama, 12(2), 148–157. https://doi.org/10.37676/jmi.v12i2.418

Fadhilah, A. M., Wahyuddin, M. I., & Hidayatullah, D. (2020). Analisis Faktor yang Mempengaruhi Perokok Beralih ke Produk Alternatif Tembakau (VAPE) menggunakan Metode K-Means Clustering. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 5(2), 219. https://doi.org/10.35870/jtik.v5i2.182

Harahap, A. S., & Zulvia, P. (2021). Klasterisasi Desa dengan Menggunakan Algoritma KMeans pada Data Potensi Desa. JURIKOM (Jurnal Riset Komputer), 8(6), 237–246. https://doi.org/10.30865/jurikom.v8i6.3724

Kusnasari3, S. N. B. S. H. W. S. (2014). Pengelompokan Prestasi Siswa Menggunakan Algoritma K-Means. Paper Knowledge . Toward a Media History of Documents, 1, 82–86. https://ojs.trigunadharma.ac.id/index.php/jsi/article/download/4784/320

Noviyanto, N. (2020). Penerapan Data Mining dalam Mengelompokkan Jumlah Kematian Penderita COVID-19 Berdasarkan Negara di Benua Asia. Paradigma - Jurnal Komputer Dan Informatika, 22(2), 183–188. https://doi.org/10.31294/p.v22i2.8808

Rahmah, S. A., & Antares, J. (2021). Klasterisasi Seleksi Mahasiswa Calon Penerima Beasiswa Yayasan Menggunakan K-Means Clustering. 13(2), 25–30.

Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Eeccis, 7(1), 59–64. https://doi.org/10.1038/hdy.2009.180

Rohaeni, N. E., & Saryono, O. (2018).Implementasi Kebijakan Program Indonesia Pintar (PIP) Melalui Kartu Indonesia Pintar ( KIP ) dalam Upaya Pemerataan Pendidikan.Journal of Education Management and Administration Review, 2(1), 193–204.

Setiawan, R. (2016). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru ( Studi Kasus : Politeknik Lp3i Jakarta ). Jurnal Lentera Ict, 3(1), 76–92.

Sibuea, M. L., & Safta, A. (2017). Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustring. Jurteksi, 4(1), 85–92. https://doi.org/10.33330/jurteksi.v4i1.28

Wardhani, A. K. (2016). Implementasi Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Kajen Pekalongan. Jurnal Transformatika, 14(1), 30–37




DOI: https://doi.org/10.37012/jtik.v8i2.1261

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Abdul Fadlil, Imam Riadi, Yana Mulyana

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Address:
Universitas Mohammad Husni Thamrin
Jl. Raya Pd. Gede No.23-25, RT.2/RW.1, Dukuh, Kec. Kramat jati, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13550

Creative Commons License
Jurnal Teknologi Informatika & Komputer Mohammad Husni Thamrin is licensed under a Creative Commons Attribution 4.0 International License.

View My Stats