Implementasi Metode K-Means Clustering Dalam Sistem Pemilihan Jurusan Di SMK Swasta Harapan Baru

Yerianus Lase, Erwin Panggabean
{"title":"Implementasi Metode K-Means Clustering Dalam Sistem Pemilihan Jurusan Di SMK Swasta Harapan Baru","authors":"Yerianus Lase, Erwin Panggabean","doi":"10.34012/jutikomp.v2i2.723","DOIUrl":null,"url":null,"abstract":"SMK Swasta Harapan Baru memiliki dua jurusan yang dapat dipilih oleh siswa/siswinya, yaitu jurusan Teknik Kendaraan Ringan (TKR) dan jurusan Rekayasa Perangkat Lunak (RPL). Pemilihan jurusan merupakan hak dari siswa/siswi, namun kesalahan pemilihan jurusan dapat menyebabkan penurunan motivasi belajar dan rendahnya prestasi siswa/siswi. Permasalahan ini dapat diselesaikan dengan menggunakan metode K-Means Clustering. Proses pengelompokan data ini dilakukan berdasarkan kemiripan data antar kelompok pada titik tengah (cluster) dari 2 jurusan. Means merupakan metode yang membutuhkan parameter input sebanyak K dan membagi sekumpulan n objek ke dalam K cluster sehingga tingkat kemiripan antar anggota dalam suatu cluster tinggi, sedangkan tingkat kemiripan dengan anggota pada cluster lain sangat rendah. Setiap data siswa dihitung jarak kedekatannya dengan centroid dari masing-masing jurusan, setelah itu dilakukan update terhadap nilai centroid berdasarkan nilai rata-rata dari masing-masing kelompok. Bila nilai centroid masih berubah, maka dilakukan perhitungan jarak ulang hingga nilai centroid tidak berubah, dan data clustering stabil. Hasil penelitian adalah aplikasi dapat digunakan untuk membantu proses pemilihan jurusan pada siswa SMK Swasta Harapan Baru secara otomatis, sehingga dapat membantu siswa/siswi yang masih bingung dengan pemilihan jurusan dan dapat menghindari kesalahan dalam pemilihan jurusan. \n                \n ","PeriodicalId":154314,"journal":{"name":"Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP)","volume":"19 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-10-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"6","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34012/jutikomp.v2i2.723","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 6

Abstract

SMK Swasta Harapan Baru memiliki dua jurusan yang dapat dipilih oleh siswa/siswinya, yaitu jurusan Teknik Kendaraan Ringan (TKR) dan jurusan Rekayasa Perangkat Lunak (RPL). Pemilihan jurusan merupakan hak dari siswa/siswi, namun kesalahan pemilihan jurusan dapat menyebabkan penurunan motivasi belajar dan rendahnya prestasi siswa/siswi. Permasalahan ini dapat diselesaikan dengan menggunakan metode K-Means Clustering. Proses pengelompokan data ini dilakukan berdasarkan kemiripan data antar kelompok pada titik tengah (cluster) dari 2 jurusan. Means merupakan metode yang membutuhkan parameter input sebanyak K dan membagi sekumpulan n objek ke dalam K cluster sehingga tingkat kemiripan antar anggota dalam suatu cluster tinggi, sedangkan tingkat kemiripan dengan anggota pada cluster lain sangat rendah. Setiap data siswa dihitung jarak kedekatannya dengan centroid dari masing-masing jurusan, setelah itu dilakukan update terhadap nilai centroid berdasarkan nilai rata-rata dari masing-masing kelompok. Bila nilai centroid masih berubah, maka dilakukan perhitungan jarak ulang hingga nilai centroid tidak berubah, dan data clustering stabil. Hasil penelitian adalah aplikasi dapat digunakan untuk membantu proses pemilihan jurusan pada siswa SMK Swasta Harapan Baru secara otomatis, sehingga dapat membantu siswa/siswi yang masih bingung dengan pemilihan jurusan dan dapat menghindari kesalahan dalam pemilihan jurusan.                  
私人SMK hope有两个专业可供学生选择,其中包括轻型汽车工程专业(TKR)和软件工程专业(RPL)。选择专业是学生的权利,但是选择专业的错误会导致学习动机的下降和学生的表现较差。从从意义上说,这个问题是可以通过从一种就是整体的方法来解决的。此数据分组过程是根据两个专业的中间点(集群)的群组数据相似性来完成的。这是一种方法,需要K的输入参数,并将一组物体分成K集群,使成员之间的相似性在高集群中,而与其他星系团中的成员相似性水平非常低。每个学生的数据都计算出每个专业的中心离心的距离,然后根据每个组的平均值进行回味计算。当质心值保持不变时,就会进行重新距离计算,直到质心值保持不变,数据聚集稳定。研究结果是,应用程序可以用来帮助学生自动选择专业,从而帮助那些仍然对专业选择感到困惑的学生/学生在专业选择中避免错误。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信