Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional

Dublin Core

Title

Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional

Subject

K-Means, Elbow, Clustering, Ujian Nasional KORESPONDENS

Description

Keberhasilan siswa dalam menempuh ujian nasional (UN) dapat terlihat dari perolehan nilai mata pelajaran yang diujikan, tiga diantaranya adalah nilai matematika, Bahasa Indonesia, dan Bahasa Inggris. Mengukur kesiapan siswa dalam menghadapi Ujian Nasional sangat diperlukan demi keberhasilan siswa. Untuk mengukur tingkat kesiapan siswa algoritma yang digunakan adalah K-Means. Penerapan metode Elbow untuk menentukan optimasi banyaknya clusteryang selanjutnya akan digunakan dalam perhitungan clustering dengan algoritma K-Means. Proses perhitungan K-Means diawali dengan penentuan jumlah cluster, dengan menggunkan metode Elbow. Penerapan algoritma K-Means adalah untuk membentuk kelompok-kelompok siswa berdasarkan nilai rata-rata ketiga mata pelajaran UN (matematika, Bahasa Indonesia, dan Bahasa Inggris). Penentuan jumlah optimal cluster menggunakan metode Elbow, yang menunjukkanbanyaknya cluster optimal adalah 3, kemudian dihasilkan 3 cluster yang terdiri dari cluster kategori “Siap”, “Cukup Siap” dan Tidak Siap”. Dengan masing-masing kategori terdiri dari 7 siswa, 30 siswa, dan 29 siswa. Tujuandari penelitian ini adalah mengelompokkan skor nilai siswa SMK Syubbanul Wathon terhadap tiga mata pelajaran UN (matematika, bahasa Indonesia, bahasa Inggris), sehingga mempermudah pihak sekolah mengambil tindakan lebih lanjut demi keberhasilan siswa dan predikat sekolah

Creator

Ninik Tri Hartanti

Source

https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/archive

Publisher

Universitas AMIKOMYogyakarta

Date

30 Agustus 2020

Contributor

Fajar bagus W

Format

PDF

Language

Indonesia

Type

Text

Files

Collection

Citation

Ninik Tri Hartanti , “Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional,” Repository Horizon University Indonesia, accessed May 17, 2025, https://repository.horizon.ac.id/items/show/8430.