Self Organizing Maps(SOM) untuk Pengelompokkan Jurusan di SMK

Rusydi Umar(1*), Abdul Fadlil(2), Rifqi Rahmatika Az-Zahra(3),

(1) Ahmad Dahlan University
(2) Universitas Ahmad Dahlan
(3) Universitas Ahmad Dahlan
(*) Corresponding Author
DOI: https://doi.org/10.23917/khif.v4i2.7044

Abstract

Permasalahan pemilihan jurusan yang tepat banyak dirasakan oleh siswa yang baru lulus sekolah SMP. Salah satu penyebab permasalahan tersebut adalah kebanyakan calon siswa merasa tidak mempunyai bakat dan tidak menguasai dalam beberapa materi pelajaran. Setiap orang pasti mempunyai bakat, seperti halnya orang pintar dan kurang pintar pasti mempunyai bakat juga. Bakat dan minat yang dimiliki sangat diperlukan seseorang dalam proses belajar. Seseorang harus mampu menentukan bidang yang diminati untuk dapat mengembangkan potensi yang dimilikinya. Langkah yang tepat untuk mempermudah siswa memilih jurusan adalah dengan metode clustering. Clustering merupakan pembelajaran yang tidak terbimbing atau juga disebut dengan unsupervised learning. Pengelompokan dilakukan berdasarkan rekap data kuisioner yang telah dibagikan kepada calon siswa. Self Organizing Map (SOM) merupakan metode untuk membagi pola masukan ke dalam beberapa kelompok cluster. Penelitian ini dilakukan untuk melakukan klastering/pengelompokan jurusan sekolah terhadap siswa yang mengalami kebingunan untuk memutuskan. Pengelompokan didasarkan pada skill, bakat, dan minat masing-masing siswa. Pengelompokan pada penelitian ini bermanfaat bagi siswa-siswi yang mengalami kesulitan untuk memutuskan jurusan sekolah yang dituju. Hasil dari perhitungan tersebut berupa cluster. Hasil pengelompokan dapat digunakan sebagai rekomendasi pada calon siswa sesuai dengan skill, bakat, dan minat yang dimiliki.

Keywords

clustering; self organizing map; jaringan syaraf tiruan.

References

P. D. Ariani, E. M. Kusuma, D. K. Basuki, K. P. Keputih, and S., “Sistem pendukung keputusan pemilihan jurusan di SMK menggunakan Neuro Fuzzy", http://digilib.its.ac.id/public/ITS-Undergraduate-14627 -paperpdf.pdf

E. Prasetyo, "Data Mining, Mengolah Data Menjadi Informasi Menggunakan Matlab",: Andi Offset, Yogyakarta, 2014.

U. Syaripudin, I. Badruzaman, E. Yani, and M. Ramdhani, “Studi komparatif penerapan Metode Hierarchical, K-Means dan Self Organizing Maps (SOM) clustering pada basis data", Jurnal ISTEK. Vol. VII, No. 1, pp. 132–149, 2013.

Y. Anis and R. R. Isnanto, “Penerapan Metode Self-Organizing Map ( SOM ) Untuk Visualisasi Data Geospasial Pada Informasi Sebaran Data Pemilih Tetap ( DPT ),” J. Sist. Inf. Bisnis, vol. 01, pp. 48–57, 2014.

A. Meylindra, dan A. Rully, “K-Means Untuk Klasifikasi Pelanggan Perusahaan,” Prosiding Seminar Nasional Sistem Informasi Indonesia, ITS Surabaya, September, 2014.

R. R. Az-Zahra, R. Umar, and A. Fadlil, “Fuzzy C-Means Method For Clustering The New Student Candidate At SMK Muhammadiyah 3 Yogyakarta,” Kinetik, vol. 3, no. 4, 2018.

S. L. Shieh and I. E. Liao, “A new approach for data clustering and visualization using self-organizing maps,” Expert Syst. Appl., vol. 39, no. 15, pp. 11924–11933, 2012.

S. J. Jek, Jaringan Saraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta: Andi Offset, 2009.

Sugiyono, "Metode Penelitian Kuantitatif Kualitatif ", Alfabeta, Bandung, 2011.

Article Metrics

Abstract view(s): 2178 time(s)
PDF (Bahasa Indonesia): 1420 time(s)

Refbacks

  • There are currently no refbacks.