EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Implementasi Data Mining Untuk Pengelompokkan Santri Menggunakan Metode K-Medoids

Syamsri Hasrianti, Evi Dianti Bintari, Cindy Pangestika

Journal of Big Data Analytic and Artificial Intelligence · 2024

DOI: 10.71302/jbidai.v7i2.61 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Big Data Analytic and Artificial Intelligence, 2024. Verfasst von Syamsri Hasrianti und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Clustering merupakan suatu proses pengelompokkan data, observasi atau atau mengelompokkan kelas yang memiliki kesamaan objek. Pondok pesantren daarul ilmi boarding school juga harus melakukan pengelompokkan atau clustering terhadap santri santrinya untuk memaksimalkan proses pengajaran. Pondok pesantren tersebut belum memiliki sebuah aplikasi komputer untuk pengelompokkan santri sehingga sering terjadi kesalahan dalam menempatkan santri sesuai kriteria yang telah ditetapkan oleh pihak pesantren. Proses pengelompokkan santri dilakukan berdasarkan nilai ahlak, ibadah, rata-rata nilai raport, prestasi dan nilai tahfidz. Proses pemberian nilai yang dilakukan masih bersifat subjektif, artinya pemberian nilai didasarkan atas pemberian nilai dari guru pengampuh mata pelajaran tertentu, sehingga penelitian ini bertujuan untuk membantu menentukan keputusan pengelompokkan santri secara objektif. Penelitian ini menggunakan Algoritma K-Medoids atau yang biasa disebut dengan Partitioning around method (PAM). Penelitian ini menggunakan 54 data santri yang aktif pada tahun ajaran 2021/2022 dimana santri akan dikelompokkan dalam kelas murtafi dan mumtaz. Penelitian ini meliputi tahap penentuan jumlah cluster, pemilihan medoid awal secara acak, menghitung jarak masing-masing objek menggunakan manhattan dan minkowski distance serta menghitung total simpangan. Berdarkan uij coba program yang dilakukan, penelitian ini berhasil mengelompokkan santri ke dalam kelas murtafi dan mumtaz. Berdasarkan perhitungan jarak menggunakan manhattan, 15 santri masuk dalam kelas murtafi dan 39 santri masuk dalam kelas mumtaz, sedangkan jika menggunkan perhitungan jarak minkowski, 14 santri masuk dalam kelas murtafi dan 40 santri masuk dalam kelas mumtaz. Dari evaluasi menggunakan Davies Bouldin Index (DBI) terhadap hasil cluster santri tersebut pengukuran jarak menggunakan manhattan lebih baik dibanding dengan minkowski dimana nilai DBI manhattan sebesar -0,0869.

Zitieren

APA

Hasrianti, S., Bintari, E. D., & Pangestika, C. (2024). Implementasi Data Mining Untuk Pengelompokkan Santri Menggunakan Metode K-Medoids. Journal of Big Data Analytic and Artificial Intelligence. https://doi.org/10.71302/jbidai.v7i2.61

Vancouver

Hasrianti S, Bintari ED, Pangestika C. Implementasi Data Mining Untuk Pengelompokkan Santri Menggunakan Metode K-Medoids. Journal of Big Data Analytic and Artificial Intelligence. 2024. doi:10.71302/jbidai.v7i2.61

BibTeX
@article{Hasrianti2024,
  author = {Hasrianti, Syamsri and Bintari, Evi Dianti and Pangestika, Cindy},
  title = {Implementasi Data Mining Untuk Pengelompokkan Santri Menggunakan Metode K-Medoids},
  journal = {Journal of Big Data Analytic and Artificial Intelligence},
  year = {2024},
  doi = {10.71302/jbidai.v7i2.61}
}
Kostenlos starten →