Klasifikasi dan Klastering Penjurusan Siswa SMA Negeri 3 Boyolali

Yusuf Sulistyo Nugroho(1*),

(1) Universitas Muhammadiyah Surakarta
(*) Corresponding Author
DOI: https://doi.org/10.23917/khif.v1i1.1175

Abstract

SMA N 3 Boyolali merupakan salah satu sekolah menengah di kota Boyolali yang saat ini telah memiliki 2 jurusan yaitu IPA dan IPS. Penjurusan siswa ini dapat mengarahkan peserta didik agar lebih fokus dalam mengembangkan kemampuan diri dan minat yang dimiliki. Pemilihan jurusan yang tidak tepat bisa sangat merugikan siswa terhadap minat dan karir mereka di masa mendatang. Dengan penjurusan tersebut diharapkan dapat memaksimalkan potensi, bakat atau talenta individu, sehingga dapat memaksimalkan nilai akademisnya. Berdasarkan latar belakang tersebut, maka dengan menerapkan teknik data mining diharapkan dapat membantu siswa untuk menentukan jurusan yang tepat sesuai dengan kriteria yang ditetapkan. Adapaun teknik data mining yang digunakan dalam penentuan jurusan ini menggunakan 3 buah metode yaitu Algoritma C4.5, Naive Bayes dan Algoritma K-Means. Sedangkan atribut yang digunakan terdiri dari Gender, Minat, Rata-rata nilai IPA, Rata-rata nilai IPS, nilai Psikotest IPA, nilai Psikotest IPS, Asal Sekolah dan Jurusan. Analisis dilakukan dengan bantuan aplikasi RapidMiner 5 untuk mengetahui nilai-nilai perbandingan terhadap metode yang digunakan. Hasil penelitian menggunakan perbandingan 3 metode menunjukkan bahwa berdasarkan nilai precision, metode naive bayes lebih baik dibandingkan dengan metode yang lain dengan nilai 77,51%. Sedangkan berdasarkan nilai recall dan accuracy, decision tree lebih baik dibandingkan dengan metode yang lain dengan nilai recall sebesar 90,80% dan nilai accuracy sebesar 79,14%. Variabel yang paling berpengaruh dalam menentukan penjurusan yaitu rata-rata nilai IPA sehingga perlu dijadikan pertimbangan bagi pihak sekolah untuk menentukan jurusan siswa.

Full Text:

PDF

References

Y. S. Nugroho and Setyawan, Klasifikasi Masa Studi Mahasiswa Fakultas Komunikasi dan Informatika, Jurnal Komunikasi dan Teknologi Informasi (KomuniTi) ISSN: 2087-085X, Volume VI No. I Maret, 2014.

P. Bühlman and B. Yu, Analyzing Bagging, The Annals of Statistics, Vol. 30 no. 4, hal 927-961, 2002.

D. Kiron, R. Shockley, N. Kruschwitz, G. Finch, and M. Haydock, Analytics: The Widening Divide, MIT Sloan Management Review, 53(2), 1-22, 2012.

D. Anggraini, Analisis Perubahan Kelompok Berdasarkan Perubahan Nilai Jual Pada Bloomberg Market Data dengan Menggunakan Formal Concept Analysis, Report Paper, 2009.

Y. S. Nugroho, Analisis Faktor-Faktor Yang Mempengaruhi Tingkat Daya Beli Konsumen Terhadap Listrik Pada Sektor Rumah Tangga: Studi Kasus Kota Salatiga. Thesis, Universitas Gadjah Mada, 2009.

Ranny dan Budi, Pemilihan Diet Nutrien bagi Penderita Hipertensi Menggunakan Metode Klasifikasi Decision Tree, Jurnal Teknik ITS, Vol. 1, No.1, 2012.

Bustami, Penerapan Algoritma Naive Bayes untuk Mengklasifikasi Data Nasabah Asuransi. Jurnal Penelitian Teknik Informatika, 2013.

Y. Agusta, K-Means: Penerapan Permasalahan dan Metode Terkait, Jurnal Sistem dan Informatika Vol.3 hal : 47-60, 2007.

Article Metrics

Abstract view(s): 5467 time(s)
PDF: 3561 time(s)

Refbacks

  • There are currently no refbacks.