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.