Open AccessKOMPARASI KINERJA ALGORITMA FUZZY C-MEANS DAN K-MEANS DALAM PENGELOMPOKAN DATA SISWA BERDASARKAN PRESTASI NILAI AKADEMIK SISWA
Author(s) -
Nelson Butarbutar,
Agus Perdana Windarto,
Dedy Hartama,
Solikhun Solikhun
Publication year - 2017
Publication title -
jurasik : jurnal riset sistem informasi dan teknik informatika/jurasik (jurnal riset sistem informasi dan teknik informatika)
Language(s) - Spanish
Resource type - Journals
eISSN - 2549-7839
pISSN - 2527-5771
DOI - 10.30645/jurasik.v1i1.8
Subject(s) - humanities , physics , mathematics , artificial intelligence , computer science , philosophy
Berbagai upaya telah dilakukan oleh pihak sekolah untuk meningkatkan prestasi akademik siswa sebagai upaya untuk mencapai standar pendidikan nasional. Salah satunya adalah dengan melakukan bimbingan belajar pada masing-masing siswa, namun hasilnya belum begitu memuaskan. Hal ini disebabkan karena pihak sekolah khususnya bagian pendidikan tidak memahami sepenuhnya kemampuan masing-masing siswa dalam menguasai suatu mata pelajaran khususnya mata pelajaran inti UN. Untuk mengatasi hal ini dengan memanfaatkan teknik clustering akan dilakukan pengelompokan data siswa berdasarkan prestasi nilai akademik yang sumber datanya diperoleh langsung dari bagian pendidikan. Dengan menggunakan teknik clustering, bagian pendidikan akan lebih mudah mendata siswanya berdasarkan kemampuannya masing-masing sesuai dengan prestasi nilai akademiknya. Teknik clustering yang digunakan dalam penelitian ini adalah algoritma Fuzzy C-Means dan K-Means. Berdasarkan hasil penelitian yang dilakukan dapat disimpulkan bahwa teknik clustering yang paling tepat digunakan dalam melakukan pengelompokan data siswa adalah algoritma K-Means dengan jumlah interasi sebanyak 11 untuk mendapatkan cluster data siswa sedangkan algoritma Fuzzy C-Means membutuhkan proses interasi yang panjang sebanyak 35 interasi dan proses perhitungan yang rumit serta hasil cluster data siswa kurang akurat dibandingkan menggunakan algoritma K-Means.