SKRIPSI

PENGELOMPOKAN HASIL BELAJAR SISWA PADA MASA

COVID-19 DENGAN ALGORITMA K-MEAN UNTUK MENJAMIN
MUTU PENDIDIKAN DI SMK BINA CENDEKIA

Disusun sebagai salah satu sayarat memperoleh gelar sarjana

Program Studi Teknik Informatika
Jenjang S1 STMIK IKMI Cirebon

Oleh :
MAULANA JAMALUDIN
41205625

PROGRAM STUDI TEKNIK INFORMATIKA

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
STMIK IKMI CIREBON
2021
 LEMBAR PENGESAHAN

PENGELOMPOKAN HASIL BELAJAR SISWA PADA MASA COVID-19

DENGAN ALGORITMA K-MEAN UNTUK MENJAMIN
MUTU PENDIDIKAN DI SMK BINA CENDEKIA

GROUPING STUDENT LEARNING RESULT/OUTCOMES IN THE TIME OF

COVID-19 WITH K-MEAN ALGORITHM TO GUARANTEE THE QUALITY
OF EDUCATION AT BINA CENDEKIA VOCATIONAL HIGH SCHOOL

Dipersiapkan dan Disusun oleh

Maulana Jamaludin
41205625

Telah Diujikan dan Disahkan Dalam Ujian Sidang Skripsi

Pada Program Studi Teknik Informatika Jenjang Sarjana
pada hari NamaHari, tanggal ujian tesis

Menyetujui,
Tim Penguji Tugas Akhir

………………………….. ………………………..
Penguj 1 Penguji 2
NIDN. 000000 NIDN. 000000

Mengetahui,
Ketua Program Studi Teknik Informatika

Gifthera Dwilestari, S.I.Kom., M.Kom

NIDN. 0401129402

Mengesahkan,
Ketua STMIK IKMI Cirebon

Dr. Dadang Sudrajat, S.Si., M.Kom

NIDN. 0418046301

i
 HALAMAN PENGESAHAN LPPM

PENGELOMPOKAN HASIL BELAJAR SISWA PADA MASA COVID-19

DENGAN ALGORITMA K-MEAN UNTUK MENJAMIN
MUTU PENDIDIKAN DI SMK BINA CENDEKIA
(Studi Kasus : SMK Bina Cendekia Cirebon)

GROUPING STUDENT LEARNING RESULT/OUTCOMES IN THE TIME OF

COVID-19 WITH K-MEAN ALGORITHM TO GUARANTEE THE QUALITY
OF EDUCATION AT BINA CENDEKIA VOCATIONAL HIGH SCHOOL
(Studi Kasus : SMK Bina Cendekia Cirebon)

Dipersiapkan dan Disusun oleh

Maulana Jamaludin
41205625

Cirebon, Tanggal Sidang

Kepala LPPM STMIK IKMI Cirebon Menyetujui,

Pembimbing Utama

Agus Bahtiar, M.Kom Nama Dosen beserta gelar

NIDN: 0419017002 NIDN. 000000

ii
 HALAMAN PERSETUJUAN PEMBIMBING

PENGELOMPOKAN HASIL BELAJAR SISWA PADA MASA COVID-19

DENGAN ALGORITMA K-MEAN UNTUK MENJAMIN
MUTU PENDIDIKAN DI SMK BINA CENDEKIA
(Studi Kasus : SMK Bina Cendekia Cirebon)

GROUPING STUDENT LEARNING RESULT/OUTCOMES IN THE TIME OF

COVID-19 WITH K-MEAN ALGORITHM TO GUARANTEE THE QUALITY
OF EDUCATION AT BINA CENDEKIA VOCATIONAL HIGH SCHOOL
(Studi Kasus : SMK Bina Cendekia Cirebon)

Dipersiapkan dan Disusun oleh

Nama Mahasiswa Tanpa Gelar

NIM

Telah disetujui oleh Tim Dosen Pembimbing Skripsi

pada tanggal 0 Namabulan tahun

Pembimbing Utama Pembimbing Kedua

Nama Pembimbing Nama Pembimbing

NIDN. 000000000 NIDN. 000000000

iii
 HALAMAN PERNYATAAN KEASLIAN SKRIPSI

Yang bertandatangan di bawah ini,

Nama mahasiswa : Maulana Jamaludin

NIM : 41205625
Konsentrasi : Teknik Informatika

Menyatakan bahwa Skripsi dengan judul berikut:

Tuliskan Judul Skripsi Bahasa Indonesia

Dosen Pembimbing Utama : Nama Dosen

Dosen Pembimbing Kedua : Nama Dosen

1. Karya ilmiah ini adalah benar-benar ASLI dan BELUM PERNAH diajukan
untuk mendapatkan gelar akademik, baik di STMIK IKMI Cirebon maupun di
Perguruan Tinggi lainnya
2. Karya tulis ini merupakan gagasan, rumusan dan penelitian SAYA sendiri,
tanpa bantuan pihak lain kecuali arahan dari Tim Dosen Pembimbing
3. Dalam karya tulis ini tidak terdapat karya atau pendapat orang lain, kecuali
secara tertulis dengan jelas dicantumkan sebagai acuan dalam naskah dengan
disebutkan nama pengarang dan disebutkan dalam Daftar Pustaka pada karya
tulis ini
4. Perangkat lunak yang digunakan dalam penelitian ini sepenuhnya menjadi
tanggung jawab SAYA, bukan tanggung jawab STMIK IKMI Cirebon
5. Pernyataan ini SAYA buat dengan sesungguhnya, apabila di kemudian hari
terdapat penyimpangan dan ketidakbenaran dalam pernyataan ini, maka
SAYA bersedia menerima SANKSI AKADEMIK dengan pencabutan gelar
yang sudah diperoleh, serta sanksi lainnya sesuai dengan norma yang berlaku
di Perguruan Tinggi

Cirebon, Tanggal Sidang skripsi

Yang Menyatakan,

Meterai Asli
Rp 6.000

Nama Mahasiswa Tanpa Gelar

iv
 KATA PENGANTAR

Assalamu’alaikum Wr.Wb.

Puji syukur dipanjatkan kepada Allah SWT, Sang Maha Pencipta dan
Pengatur Alam Semesta yang telah memberikan taufiq dan hidayah-Nya, rahmat
dan maghfirah-Nya sehingga penulis dapat menyelesaikan Skripsi ini dengan
baik. Shalawat dan salam semoga tetap tercurahkan kepada baginda nabi besar
kita Rasulullah Muhammad SAW.
Skripsi ini merupakan salah satu syarat wajib mahasiswa untuk mengikuti
Skripsi di Program Studi Teknik Informatika. Sejauh ini penulis menyadari
sepenuhnya, bahwa masih banyak kekurangan-kekurangan pada Skripsi ini,
karena terbatasnya kemampuan dan pengetahuan yang penulis miliki.
Selama proses penulisan Skripsi banyak pihak yang telah terlibat dalam
membantu dan memberikan dukungan serta bimbingan kepada penulis. Pada
kesempatan kali ini penulis menyampaikan ucapan terima kasih kepada:
1. Bapak Dr. Dadang Sudrajat, S.Si., M.Kom, selaku Ketua STMIK IKMI
Cirebon
2. Bapak Ade Irma Purnamasari, M.Kom, selaku Sekretaris Ketua STMIK
IKMI Cirebon
3. Bapak Dian Ade Kurnia, M.Kom, selaku Wakil Ketua I Bidang Akademik,
Riset dan Inovasi
4. Ibu Dra. Nining R, M.Si,, selaku Wakil Ketua II Bidang Keuangan
5. Bapak H. Eka Jayawangsa, BBA., selaku Wakil Ketua III Bidang
Kerjasama dan Kemahasiswaan
6. Bapak Gifthera Dwilestari, S.I.Kom., M.Kom, Sebagai Ketua Program
Studi Teknik Informatika.
7. Bapak / Ibu Nama Lengkap beserta gelar Dosen Pembimbing 1, Sebagai
Pembimbing Utama.

v
8. Bapak / Ibu Nama Lengkap beserta gelar Dosen Pembimbing 2, Sebagai
Pembimbing Kedua.
9. Teman-teman dan semua pihak yang sudah membantu, terimakasih banyak.
10. Kedua orang tua serta keluarga yang telah memberi dukungan serta doa
menyertai selama perjalanan kuliah.

Akhir kata tiada gading yang tak retak, begitu juga dengan penyusunan
Skripsi. Dan penulis mengharapkan kritik dan saran yang membangun dari
pembaca untuk penulisan laporan yang lebih baik lagi. Semoga Skripsi
bermanfaat bagi semua pembaca. Aamiin.

Wassalamu’alaikum Wr. Wb.

Cirebon, tanggal
Tidak ditandatangan

Nama Mahasiswa

vi
DAFTAR ISI

vii
DAFTAR TABEL

viii
DAFTAR GAMBAR

ix
 ABSTRAK

Hampir dua tahun melanda dunia virus mematikan yang dikenal dengan
sebutan Coronavirus Disease 2019 atau disingkat Covid-19. WHO telah
menetapkan virus corona sebagai suatu pandemic global, pandemic ini telah
mengganggu berbagai kegiatan tak terkecuali kegiatan Pendidikan. Kegiatan
belajar mengajar di sekolah yang semula dilakukan dengan tatap muka, karena
adanya pandemic ini berubah menjadi pembelajaran jarak jauh atau disebut
dengan Dalam Jaringan (Daring). Pengelolaan Pendidikan bermutu di masa
pandemic ini menjadi cukup sulit untuk dilakukan.Kebijakan yang di berlakukan
tentunya terdapat berbagai macam kendala dalam pelaksanaan nya, Kepala
sekolah sebagai pemimpin Lembaga pendidikan juga harus memiliki kesiapan
dalam menghadapi dan beradaptasi terhadap tantangan-tantangan yang datang
dalam situasi apapun termasuk pandemi Covid-19 yang saat ini sedang terjadi.
Maka perlu merancang langkah-langkah strategis dalam meningkatkan mutu
pendidikan sekolah yang di pimpinnya pada masa pandemi Covid-19.Oleh Karena
itu, metode yang akan digunakan penelitain ini adalah metode Algoritma K-
Means Clustering. Metode algoritma K-Means Clustering ini sangat cocok seklai
untuk pengelompokan data siswa yang mampu mengikuti pembelajaran Daring
ketika Masa Covid-19,yang ada di SMK Bina Cendekia Cirebon berdasarkan
Kemampuan dan karakteristik dengan Algoritma K-means.

Kata Kunci : Pengelompokan, Algoritma K-Means Clustering.

x
 ABSTRACT

It has been almost two years since the deadly virus known as Coronavirus
Disease 2019 or abbreviated as Covid-19. WHO has designated the corona virus
as a global pandemic, this pandemic has disrupted various educational activities.
Teaching and learning activities in schools which were originally carried out face-
to-face, due to this pandemic have turned into distance learning or called online.
Management of quality education during this pandemic is quite difficult to do.
The policies carried out of course have various kinds of obstacles in their
implementation, the principal as the leader of educational institutions must also
have readiness to face and adapt to challenges that come in any situation including
the Covid-19 pandemic which is currently happening. Therefore, it is necessary to
design strategic steps to improve the quality of school education that leaded
during the Covid-19 pandemic. Therefore, the method that will be used in this
research is the K-Means Clustering Algorithm method. The K-Means Clustering
Algorithm method is very suitable for the group of student data who are able to
take online learning during the Covid-19 Period at SMK Bina Cendekia Cirebon
based on their abilities and characteristics with the K-means Algorithm.

Keywords : Gruping ,the K-Means Clustering Algorithm

xi
 BAB I

PENDAHULUAN

I.1 Latar Belakang Masalah

Semenjak awal kemunculannya hingga dengan dikala ini virus corona

masih jadi pembicaraan yang hangat. Dengan timbulnya virus tersebut membuat

sebagian negeri tercantum di Indonesia memberlakukan kebijakan Pembatasan

Sosial Berskala Besar( PSBB). Kebijakan pemerintah terpaut kegiatan yang

dirumahkan diharapkan sanggup menanggulangi permasalahan yang terjalin di

warga guna menekan penyebaran virus ini sehingga seluruh aktivitas yang

dilakukan diluar rumah wajib dibatasi termasuk sistem pembelajaran. Penerapan

pembelajaran pada waktu pandemi ini pemerintah menetapkan jika setiap pelajar

melaksanakan aktivitas pendidikan dengan metode jarak jauh. (Lesmana et al.

2020). Dengan adanya solusi yang telah ditetapkan oleh pemerintahan, penelitian

ini dilakukan dengan menggunakan algoritma yang ada pada Data Mining.

Algoritma K-Means berperan penting dalam menyelesaikan penelitian ini. Suatu

metode atau teknik yang diterapkan dalam pengelompokkan data merupakan

Algoritma K-Means.(Sianipar et al. 2020)

Kepala sekolah sebagai pemimpin harus memiliki kemampuan dalam segala

bidang baik manajemen, memotivasi, pemangku kebijakan dan bersosialisasi.

Kepala sekolah memiliki tanggung jawab dalam mengelola Lembaga Pendidikan

yang di pimpinnya agar tercipta kegiatan Pendidikan yang berkualitas dengan

menggerakkan seluruh komponen sekolah agar mau bersama-sama mencapai

 2

tujuan Pendidikan. (Khodijah and Haq 2021). Algoritma k-Means hanya bekerja

terbatas pada dataset yang atributnya bertipe numerik. Algoritma klastering k-

Modes merupakan pengembangan dari algoritma k-Means untuk data bertipe

kategorik. Dalam penentuan klasternya dapat dibuat sebanyak dua, tiga, empat

dan seterusnya, dimana setiap klaster mempunyai karakteristik yang sama. Jumlah

klaster terbaik dapat diperiksa menggunakan Davies-Bouldin Index (DBI). Jumlah

klaster yang dipilih adalah jumlah klaster yang memiliki nilai DBI terkecil

(Badruttamam, Sudarno, and Maruddani 2020) . Oleh karena itu, pengelompokan

peserta didik yang memiliki berbagai macam kendala dalam pelaksanaan

pembelajaran di masa Pandemi Covid-19 ini, seperti tidak memiliki alat atau

gadget untuk mengakses materi, buruk nya kapasitas jaringan yang tersedia di

daerah, terbatasnya kuota ini dapat membatu Kepalas Sekolah dalam memantau

hasil belajar dan penjaminan mutu pendidikan siswa siswi di SMK Bina

Cendekia Cirebon.

Menurut Penelitian terdahulu mengenai Tingkat Kepuasan Pembelajaran

Online Dimasa Pandemi yang pernah dilakukan oleh Kristin Sianipar . Dalam

penelitiannya mengatakan bahwa algoritma k-means dapat digunakan untuk

menentukan tingkat kepuasan terhadap pembelajaran online, berdasarkan tingkat

setuju atau tidak setujunya terhadap adanya pembelajaran online. Dari data yang

telah diolah, diperolah 3 buah cluster berdasarkan setuju atau tidak setuju terhadap

pembelajaran online, Untuk kluster pertama (4; 6) menyatakan bahwa kategori

setuju terhadap pembelajaran online pada pandemic COVID-19 tergolong

“rendah: dan yang tidak setuju tergolong “tinggi”, Untuk kluster kedua (7,125;
 3

2,875) menyatakan bahwa kategori setuju terhadap pembelajaran online pada

pandemi COVID-19 tergolong “sedang” dan yang tidak setuju tergolong

“sedang”. Untuk kluster ketiga (9,285; 0,714) menyatakan bahwa kategori setuju

terhadap pembelajaran online pada pandemi COVID-19 tergolong “tinggi” dan

yang tidak setuju tergolong “rendah”. (Sianipar et al. 2020).

Dalam proses belajar mengajar di masa COVID-19 di SMK Bina Cendekia

kualitas dan keaktifan siswa memiliki banyak keragaman yang membuat siswa

memilikit tingkat pemahaman berbeda-beda, maka perlu pengelompokan siswa

siswi tersebut sehingga mendapatkan informasi-informasi tentang hasil belajar

siswa-siswi (Triandini, Defit, and Nurcahyo 2021). Perbedaan dengan penelitain

terdahulu terletak pada metode yang akan digunakan penelitian ini adalah metode

Algoritma K-Means Clustering dengan pengelompokan kemampuan siswa dalam

proses pembelajaran. Dilakukan data mining terhadap dataset hasil belajar siswa

untuk menjamin mutu Pendidikan dengan perhitungan nilai kelompok dengan

Davis Bouldin Indeks.

Untuk menjamin mutu Pendidikan di SMK Bina Cendekia Kepala sekolah

perlu merancang langkah-langkah strategis dalam meningkatkan mutu pendidikan

sekolah yang di pimpinnya pada masa pandemi Covid-19. Dengan Algoritma K-

Means Clustering diharapkan dapat membantu Kepala Sekolah dan Guru terkait

dalam memantau perkembangan proses pembelajaran siswa di sekolah. Dataset

yang digunakan diperoleh dari hasil survey Wakil Kepala Sekolah Bidang Sumber

daya Manusia dan Wakil Kepala Bidang Kurikulum mengenai kemampuan proses

pembelajaran siswa dimasa pandemi Covid-19. Dataset tersebut kemudian di

 4

lakukan prosesing agar dapat dilakukan pengelompokkan dengan menghilangkan

data missing, ekstrasi fitur sesuai dengan atribut yang diperlukan. Selanjutnya

dilakukan praprocessing terhadap dataset tersebut untuk menghilangkan data

missing dan menentukan atribut-atribut data yang diperlukan untuk

pengelompokkan. Untuk menentukan jumlah kelompok yang ideal maka

dilakukan perhitungan nilai kelompok menggunakan Davis Bouldin Indeks serta

menghitung distance.

Tujuan Utama dari penelitian ini untuk mengetahui hasil belajar siswa di masa

pandemic Covid 19 dengan menggunakan pembelajaran jarak jauh di SMK Bina

Cendekia Cirebon menggunakan Algoritma K-Means, serta untuk membantu

kepala sekolah untuk menjamin mutu Pendidikan di SMK Bina Cendekia

Cirebon. pembelajaran semasa COVID-19 menunjukan bahwa kegiatan

pembelajaran kurang efektif, Banyak peserta didik yang memiliki berbagai

macam kendala dalam pelaksanaan pembelajaran di masa Pandemi Covid-19 ini,

seperti tidak memiliki alat atau gadget untuk mengakses materi, buruk nya

kapasitas jaringan yang tersedia di daerah, terbatasnya kuota, bahkan ada

beberapa peserta didik yang memutuskan untuk keluar sekolah karena tidak

memiliki biaya untuk melanjutkan sekolah. Dengan menggunakan Algoritma K-

means Clustering dapat membantu pihak sekolah untuk menjamin mutu

pendidikan yang baik di masa pandemic COVID 19.

Berdasarkan permasalah yang muncul dalam penelitian ini maka diusulkan

judul penelitian dengan topic Pengelompokan Hasil Belajar Siswa Pada Masa

Covid-19 Dengan Algoritma K-Mean Untuk Menjamin Mutu Pendidikan Di Smk

 5

Bina Cendekia. Alasan Penulis memilih judul ini ingin menerapkan Teknik

Clustering menggunakan Algoritma K-means pada Pengelompokan hasil belajar

siswa di SMK Bina Cendekia Cirebon, yang akan dijadikan bahan penelitian

untuk menentukan hasil belajar siswa-siswa pada masa COVID-19 dengan

algoritm k-means untuk menjamin mutu pendidikan. Dengan adanya penelitian ini

diharapkan mampu menerapkan strategi penjaminan mutu pendidikan berdasarkan

kriteria-kriteria yang ditentukan..

I.2 Rumusan Masalah

Berdasarkan uraian latar belakang masalah yang telah disampaikan, maka

dapat diambil rumusan masalah sebagai berikut :

1. Belum adanya pengelompokan hasil belajar siswa menggunakan metode

K-means Clustering.

2. Belum diketahui kelompok hasil belajar siswa mana yang dapat

menjamin mutu pendidikan

I.3 Pertanyaan Penelitian

Berdasarkan latar belakang diatas, maka yang menjadi rumusan masalah

adalah :

1. Bagaimana mengetahui jumlah kelompok hasil belajar siswa

menggunakan algoritma k-means?

2. Bagaimana mengetahui hasil belajar siswa untuk menjamin mutu

Pendidikan?
 6

I.4 Tujuan Penelitian

Tujuan Penlitian ini adalah :

1. Untuk mengelompokkan hasil belajar siswa dengan pendekatan metode

K-Means

2. Untuk mengetahui hasil belajar siswa mana yang dapat menjamin mutu

pendidikan.

I.5 Manfaat Penelitian

Manfaat penelitian ini ada 2 yaitu:

1. Manfaat Secara Teoritis

Manfaat terotitis dalam penelitian ini adalah :

a. Memberikan pertimbangan bahwa teknik atau model klasifikasi yang

digunakan pada penelitian ini dapat digunakan tidak hanya fokus

pada dunia Pendidikan, perbankkan, penjualan dan kasus lainnya.

b. Mengklasifikasikan pengelompokan hasil belajar siswa pada masa

pandemic covid 19 di SMK Bina Cendekia Cirebon dengan

menghasilkan nilai akurasi.

2. Manfaat Secara Praktis

Ada 2 manfaat secara praktis yaitu :

a. Membantu memberikan informasi kepada sekolah dengan

tepat dan akurat untuk mengambil keputusan tentang strategi

penjaminan mutu pendidikan di SMK Bina Cendekia.

b. Dapat digunakan sebagai literatur atau pustaka

diperpustakaan STMIK IKMI Cirebon.

 7

I.6 Batasan Masalah

Berdasarkan rumusan masalah diatas, agar penelitian ini fokus pada

masalah yang diteliti, maka dalam Skripsi ini dibatasi hal-hal sebagai berikut:

1. Penelitian ini menggunakan metode K-mean Clustering hasil belajar siswa.

2. Datassets diambil dari survey hasil belajar siswa di masa pandemic 2019

di SMK Bina Cendekia Cirebon. Jumlah data set

3. Aplikasi yang digunakan untuk pengelolaan data mining menggunakan

RapidMiner

4. Sitasi menggunakan Apilkasi Mendelay

5. Pengelolaan data menggunakan laptop Dell intel core i5-4310u CPU 2.00

GHz (4 CPUs) Ram 8 GB Hardisk 500 Gb.

 8

I.7 Kerangka Pemikiran

Masalah

Belum adanya pengelompokan hasil belajar siswa menggunakan metode K-means Clustering.
Belum diketahuinya jaminan mutu Pendidikan di SMK Bina Cendekia dengan baik di masa pandemi
Covid -19

Tujuan

Untuk mengelompokkan hasil belajar siswa dengan pendekatan metode K-Means

Untuk mengetahui mutu Pendidikan di masa pandemi COVID 2019.

Solusi

Tujuan Pendekatan Landasan Teori

K-Means Clustering K-means Clustering

Data Minig

Hasil

Menghasilkan cluster kelompok hasil belajar siswa di masa pendemi covif-19

Hasilnya mengetahui mutu Pendidikan hasil siswa belajar di masa pandemic covid-19

Manfaat

Manfaat terotitis dalam penelitian ini adalah :

Memberikan pertimbangan bahwa teknik atau model klasifikasi yang digunakan pada penelitian ini dapat digunakan
tidak hanya fokus pada dunia Pendidikan, perbankkan, penjualan dan kasus lainnya.
Mengklasifikasikan pengelompokan hasil belajar siswa pada masa pandemic covid 19 di SMK Bina Cendekia Cirebon
dengan menghasilkan nilai akurasi.

Manfaat Secara Praktis

Membantu memberikan informasi kepada sekolah dengan tepat dan akurat untuk mengambil keputusan tentang
strategi penjaminan mutu pendidikan di SMK Bina Cendekia.
Dapat digunakan sebagai literatur atau pustaka diperpustakaan STMIK IKMI Cirebon.

Gambar 1. 1 Kerangka Berfikir

 BAB II

SISTEMATIKA LITERATURE RIVIEW

II.1 Penelitian Terdahulu

Penelitian terdahulu dari Melissa Triandini, tentang Data Mining dalam

mengukur tingkat keaktifan siswa dalam mengikuti proses belajar menggunakan

k-means Clustering, bahwa data dapat dikelompokkan menjadi 3 cluster yaitu,

cluster 1 yang bernilai kurang aktif sebanyak 12 Siswa cluster 0 yang bernilai

Aktif sebanyak 10 siswa, dan cluster 2 yang bernilai sangat aktif sebanyak 17

siswa. dari kesimpulan pengelompokkan tersebut dapat digunakan sebagai acuan

dalam proses belajar mengajar bagi staff pengajar maupun bagi pihak sekolah

yang mana bagi siswa yang kurang aktif agar dapat penguatan dalam hal belajar

baik itu penguatan afektif, kognitif maupun psikomotorik di sekolah dan untuk

siswa yang sangat aktif bisa untuk direkomendasikan dalam kegiatan-kegiatan

perlombaan sekolah yang mana mampu untuk menunjang kemampuan.(Triandini,

Defit, and Nurcahyo 2021).

Menurut penelitian lain yang di lakukan oleh Yoga Religia tentang

Pengelompokan Evaluasi performa siswa menggunakan K-Medoid, mendapatkan

hasil bahwa Model pengujian yang digunakan dapat berjalan dengan baik dan

menunjukkan hasil berupa nilai centroid untuk setiap cluster dari algoritma k-

medoid, sehingga status performa siswa dapat ditentukan dari jumlah centroid
 10

pada setiap cluster. Akumulasi waktu yang diperoleh dari pengujian yang telah

dilakukan menunjukkan bahwa penggunaan algoritma k-medoid untuk

pengelompokan performa siswa memiliki waktu eksekusi cukup efisien yaitu

dengan rata-rata waktu eksekusi selama 22,8 detik. Nilai Index Davies dari

algoritma k- medoid untuk pengelompokan performa siswa sebesar 0,367. Dengan

nilai DBI sebesar 0,367 artinya cluster yang dihasilkan memiliki kerapatan antar

cluster sebesar 63.3%. hasil tersebut sudah cukup baik karena kerapatan antar

cluster sudah lebih dari 50% meskipun terdapat banyak atribut yang digunakan.

(K-, Untuk, and Performa 2020).

Penelitian lain yang dilakukan oleh Ernie Kusnanti, Umi Ba’diah, tentang

Klasifikasi siswa berdasarkna nilai pada bidang ekstrakulikuler menggunakan

metode K-Nearest Neighbor, Menurut hasil analisa program yang telah

dikembangkan menyimpulkan bahwa penerapan metode Knn (K-Nearest

Neighbor) berhasil diterapkan aplikasi penentuan nilai siswa, Klasifikasi siswa

berdasarkan nilai pada bidang ekstrakurikuler yang telah dibuat dapat

mempermudah atau sebagai acuan calon siswa dalam memilih ekstrakurikuler

yang telah tersedia, Maka didapat hasil pengujian Metode KNN untuk tingkat

keakuratan data bahwa nilai keakuratan data adalah 73.333%, menurut hasil

analisa pengujian KNN yang ada, Penulis menyatakan bahwa berdasarkan data

sampel yang digunakan kinerja sistem mencapai 73,333%.(Neighbor et al. 2018).

Dari Penelitian yang lain yang di lakukan oleh Sugiono, tentang

Pengelompokan Perilaku Mahasiswa pada Perkuliahan E-learning dengan K-

Means Clustering, Setelah dilakukan proses pengklusteran dengan metode k-

 11

means diperoleh sejumlah perilaku mahasiswa E- learning dengan pembagian 3

kluster yaitu mahasiswa dengan jumlah aktifitas yang banyak dan mendapatkan

nilai tinggi, mahasiswa dengan aktifitas yang sedang dan mendapatkan nilai tinggi

dan mahasiswa dengan jumlah aktifitas sedikit dan mendapatkan nilai yang

rendah. Untuk mengetahui pola-pola dan perilaku yang dilakukan para pelaku E-

learning lainnya perlu dilakukan penelitian lajutan dengan mengolah data-data

lainnya yang dihasilkan dari proses pembelajaran E- learning.(Nurdiani et al.

2019).

Penelitian yang dilakukan oleh Nurhayati, Saifullah, Riki Winjaya, tentang

Implementasi metode decision Tree pada tingkat prestasi siswa di smk swasta

anak bangsa, dimana hasilnya akan membuktikan bahwa hasil evaluasi prestasi

belajar dilakukan dengan menerapkan Algoritma C4.5. Hasil yang didapatkan

nilai akurasi sebesar 71,43%, artinya bahwa rule yang dihasilkan tingkat

kebenarannya mendekati 100%. Dimana hasil dari class precision label

Berprestasi sebesar 63,89% dan label Tidak Berprestasi sebesar 92,31%. Sesuai

dengan ketentuan tersebut maka hasil perhitungan manual dengan pengujian

RapidMiner menghasilkan sebanyak 11 model aturan atau rule Tingkat Prestasi

Siswa. (Swasta and Bangsa 2021)

Penelitian Terdahulu lain yang dilakukan oleh Ramadhan A, tentang

Penerapan Metode Klasifikasi Random Forest Dalam Mengidentifikasi Faktor

Penting Penilaian Mutu Pendidikan, Hasil penelitian menunjukkan bahwa,

pertama, berdasarkan evaluasi model, nilai akurasi klasifikasi dalam pemodelan

klasifikasi random forest multikelas sebesar 83.49%. Kedua, model ini

 12

menghasilkan tingkat kepentingan variabel prediktor (butir-butir instrumen

akreditasi) dalam mengklasifikasikan nilai rataan UNBK yakni kondisi

laboratorium (x71, x68, x69, x67), instalansi listrik (x62), prasarana (x64), kantin

(x83), kondisi laboran (x55), petugas layanan khusus (x56), guru tersertifikat

(x39), tenaga perpustakaan (x54), kepala administrasi (x51), kegiatan literasi S/M

bagi peserta didik (x33), penggunaan buku teks (x14), dan kerja sama

masyarakat/mitra dalam pengelolaan pendidikan (x96). Berdasarkan indikator

variabel penting tersebut, SNP yang memiliki peran penting adalah Standar

Sarana dan Prasarana, Standar Pendidik dan Tenaga Kependidikan, dan Standar

Kompetensi Lulusan. Oleh karena itu, peningkatan mutu pendidikan dapat

dilakukan dengan meningkatkan sarana dan prasarana, kompetensi pendidik dan

tenaga kependidikan, serta kompetensi lulusan.(Ramadhan and Susetyo 2019)

Penelitian selanjutnya yang dilakukan oleh Wijayanto dan R. Adhitama,

tentang Penggunaan X-Means Clustering Method untuk Mengelompokkan

Potensi Sekolah Menengah Unggul di Kabupaten Banyumas. pengolompokan

data sekolah dapat dikelompokkan menjadi empat kelompok dengan kelompok

pertama yaitu kelompok unggul pada cluster 2 (C2), kelompok baik pada cluster 1

(C1), kelompok cukup pada cluster 4 (C4) dan kelompok kurang pada cluster 3

(C3). Anggota sekolah yang ada pada C2 memiliki nilai rata-rata kriteria yang

paling tinggi sehingga dikategorikan sebagai sekolah ‘unggul’. Sedangkan

anggota sekolah pada C1 memiliki nilai rata-rata kriteria dibawah C2 akan tetapi

masih diatas C3 dan C4 sehingga dikategorikan sebagai sekolah ‘baik’. C3 Karena

memiliki nilai rata-rata keriteria yang paling rendah ddibandingkan cluster lainnya
 13

maka dikategorikan sebagai sekolah ‘kurang’. C4 memiliki nilai rata-rata kriteria

di atas C3, sehingga dikategorikan pada sekolah ‘cukup’. Akan tetapi karena C4

memiliki angoota cluster yang paling banyak hampir dua kali dari jumlah anggota

cluater lainnya.Penggunaan X-Means dalam pengelompokan SMA dan SMK di

Banyumas memberikan hasil yang cukup baik pada empat cluster dengan nilai

DBI sebesar 0.846. Empat cluster tersebut adalah cluster unggul dengan 28

anggota, cluster baik dengan 26 angoota, cluster cukup dengan 43 anggota dan

cluster kurang sebanyak 21 anggota. Dengan hasil tersebut maka dapat diambil

kesimpulan bahwa tingkat pendidikan menengah Kabupaten Banyumas masih

masuk ke dalam cluster cukup.(Wijayanto and Adhitama 2019)

II.2 Kajian Literature Review

Bagian ini memuat uraian sistematis tentang informasi hasil penelitian sebelumnya, sebanyak banyaknya, yang relevan

dengan penelitian yang akan dilakukan dan minimal 5 diambil dari jurnal nasional terakreditasi. Penelitian yang dijadikan rujukan

paling lama selisih 5 tahun dari penelitian yang akan dilakukan, diambil dari publikasi ilmiah yang berkualitas, serta memuat

kelebihan dan kelemahan masing-masing.

No Nama Penulis Judul Penelitian Tahun Hasil Perbedaan

1 Rohmah IMPLEME 2021 hasil yang didapat bahwa Penelitian ini
1 , Ai NTASI terdapat 9 kelas yang masuk menganalisis hasil
Sembirin ALGORIT kedalam kategori dengan dengan
g, MA K- hambatan pembelajaran dari mengkelmpokan
tingkat rendah yaitu kelas 10 hambatan siswa
Falentin MEANS
TKJ 1, 10 TKJ 2, 10 TKJ 3, 10 sedangkan penelitian
o CLUSTERI
RPL, 10 TBSM 1, 10 TBSM 2, yang dilakukan
Erfina, NG 11 RPL, 12 TKJ 1, dan 12 TKJ 2, sekarang focus dengan
Adhitia ANALYSIS dan 6 kelas masuk kategori hasil belajar dan
UNTUK dengan hambatan hambatan siswa untuk
MENENT pembelajaran dari tingkat menjamin mutu
UKAN tinggi yaitu : 10 RPL,11 TKJ 1, Pendidikan. Dan
HAMBAT 11 TKJ 2, 11 TKJ 3, 11 TBSM mengunakan aplikasi
AN dan 12 RPL. Data yang rapidminer
PEMBELAJ digunakan untuk penelitian ini
ARAN diambil dari dapodik dan e-

14
 15

No Nama Penulis Judul Penelitian Tahun Hasil Perbedaan

DARING rapor yang telah melalui

( STUDI tahap penyaringan (filtering)
KASUS : dan disortir menjadi data per
SMK kelas Pada implementasi
sistem k-means clustering
YASPIM
analysis untuk menentukan
GEGERBIT
hambatan pembelajaran
UNG ) daring telah berhasil dibuat,
dengan menggunakan aplikasi
pada Orange menunjukan
hasil sesuai dengan aplikasi
yang telah dibuat.

2 Yulya PENGELO 2016 Implementasi dilakukan Penelitian tersebut

Muharmi MPOKAN dengan menggunakan aplikasi mengkategori prestasi
SISWA RapidMiner 5.3 yang akan siswa dengan
BERDASAR membantu mempermudah mengelompokan nilai
KAN dalam pengelompokan data rata-rata siswa,
FAKTOR- siswa pada SMA Al – sedangkan penelitian
FAKTOR Istiqamah Simpang Empat yang dilakukan saat ini
YANG Pasaman Barat yang akan mengelompokan hasil
MEMPENG membantu dalam proses belajar siswa dari
ARUHI pengambilan keputusan, melihat hambatan-
KEBERHASI Didapatkan 3 kategori prestasi hambatan dan
LAN SISWA siswa, yaitu berprestasi karakteristik siswa dari
DALAM kategori rendah, berprestasi hasil belajar siswa.
BELAJAR kategoriSedang berprestasi
 16

No Nama Penulis Judul Penelitian Tahun Hasil Perbedaan

MENGGUN kategori tinggi dimana
AKAN masing-masing cluster
METODE memiliki nilai rata-rata yang
CLUSTERIN berbeda. cluster 0 merupakan
G K- kelompok siswa yang
MEANS berprestasi kategori rendah,
cluster 1 merupakan
kelompok siswa yang
berprestasi kategori tinggi,
dan cluster 2 merupakan
kelompok siswa yang
berprestasi kategori sedang.
Hal ini dapat dibaca pada
centroid masing- masing
cluster pada attribute nilai
rata- rata

3 Kiki Aidi Klasifikasi 2020 Berdasarkan seluruh hasil

Saputra*, Algoritma
penelitian yang telah
Jaya Tata C4.5
Hardinat Dalam dilakukan pada Penerapan
a, Penerapan
Algoritma C4.5 pada Klasifikasi
Muham Tingkat
mad Kepuasan tingkat kepuasan siswa
Ridwan Siswa
terhadap media pembelajaran
Lubis, Terhadap
Sundari Media online. Permasalahan
 17

No Nama Penulis Judul Penelitian Tahun Hasil Perbedaan

Retno Pembelaja menentukan faktor kepuasan
Andani, ran Online
siswa terhadap media
Ilham
Syahputr pembelajaran online dapat
a Saragih
diselesaikan menggunakan
teknik data mining. Yaitu
dengan Algoritma C4.5.
Menghasilkan 20 (dua puluh)
rules dan Tingkat akurasi yang
dihasilkan oleh metode
tersebut adalah 86.67% dan
faktor paling dominan adalah
sajian pembelajaran (C3)
dengan nilai gain sebesar
0,353960518.
4
 BAB III

METODOLOGI PENELITIAN

III.1 Jenis Penelitian

Bagian ini memuat jenis penelitian yang digunakan beserta penjelasan

secara garis besar mengenai penelitian ini sehingga dapat dikelompokkan dalam

penelitian tersebut.

III.2 Metode Penelitian

Metode penelitian berisi rumusan tentang pendekatan dan metode

penelitian yang akan digunakan dalam penelitian ini. Penelitian kuantitatif

(pertanyaan adakah hubungan, adakah pengaruh, adakah perbedaan/ ada hipotesa),

kualitatif (tidak ada hipotesa) atau mixed.

III.3 Operasionalisasi Variabel

Variabel merupakan konstruk atau sifat yang akan dipelajari atau dapat

dikatakan sebagai suatu sifat yang diambil dari suatu nilai yang berbeda (different

values)

Variabel Bebas atau Variabel Independen (X): bisa disebut dengan

variabel prediksi. Merupakan hasil manipulasi. Atribut atau potensial kasus

diberikan pada investigasi hasil penelitian.

18
 19

Variabel Tidak Bebas atau Variabel Dependen (Y) : sering disebut

sebagai variabel output, criteria, konsekuen, variabel terikat atau variabel yang

dipengaruhi atau yang menjadi sebab akibat

III.4 Sumber Data dan Teknik Pengumpulan Data

Sumber data adalah subjek di mana data bisa diperoleh. Terdapat dua

macam sumber data, yakni sumber data primer dan sumber data sekunder. Sumber

data primer diperoleh langsung oleh peneliti. Sedangkan sumber data sekunder

ialah sumber data yang tidak diperoleh langsung, biasanya sumber data ini didapat

dari pihak lain yang terpercaya.

Data primer ialah data yang diperoleh dan dikumpulkan langsung dari

objek yang diteliti. Data primer adalah data yang didapat atau dikumpulkan

langsung di lapangan oleh orang yang melakukan penelitian atau yang

bersangkutan memerlukan. Data primer diperoleh dari sumber informan, yaitu

individu atau perseorangan seperti hasil wawancara yang dilakukan oleh peneliti,

hasil observasi lapangan, dan data mengenai informan.

Data Sekunder yaitu data yang didapat dari pihak atau sumber lain yang

telah ada. Peneliti tidak mendapat informasi langsung dari narasumber atau objek

yang diteliti, melainkan dari data yang telah ada, seperti grafik, tabel, diagram,

dan tulisan dari peneliti sebelumnya. Data sekunder digunakan untuk mendukung

informasi primer yang telah diperoleh, yakni dari bahan pustaka, literatur,

penelitian terdahulu, buku, dan lain sebagainya.

 20

III.5 Populasi dan Tempat Serta Waktu Penelitian

Populasi adalah keseluruhan dari subjek penelitian, sedangkan sampel

adalah sebagian dari populasi tersebut. Nilai yang dihitung dan diperoleh dari

populasi ini disebut dengan parameter. Populasi merupakan seluruh jumlah dari

subjek yang akan diteliti oleh seorang peneliti. Misalnya 1000 orang dikatakan

sebagai populasi karena terkait dalam suatu penelitian. Kemudian pada pendapat

lain mengatakan bahwa secara harfiah pengertian populasi adalah seluruh variabel

yang terkait dengan topik pada penelitian.

III.6 Metode Analisa Data

Metode analisis data merupakan tahapan proses penelitian dimana data

yang sudah dikumpulkan dikelola untuk diolah dalam rangka menjawab

permasalahan yang ada. Manajemen dan proses pengolahan data inilah yang

disebut dengan analisis data. Analisis data sendiri memiliki tujuan untuk

mendeskripsikan data agar mudah dipahami, kemudian membuat informasi yang

menarik mengenai karakteristik dari populasi data berdasarkan sampel data yang

dibuat berdasarkan hasil pengujian hipotesis.

III.7 Metode Pengujian Data

Uji Validitas

Uji validitas adalah uji yang digunakan untuk menunjukkan sejauh mana

alat ukur yang digunakan dalam suatu mengukur apa yang diukur. Suatu tes dapat

dikatakan memiliki validitas yang tinggi jika tes tersebut menjalankan fungsi
 21

ukurnya, atau memberikan hasil ukur yang tepat dan akurat sesuai dengan

maksud dikenakannya tes tersebut.

Uji Reliabilitas

Reliabilitas menunjuk pada suatu pengertian bahwa instrumen yang

digunakan dalam penelitian untuk memperoleh informasi yang digunakan dapat

dipercaya sebagai alat pengumpulan data dan mampu mengungkap informasi yang

sebenarnya dilapangan. Suatu kuesioner dikatakan reliabel atau handal jika

jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke

waktu. Reliabilitas suatu test merujuk pada derajat stabilitas, konsistensi, daya

prediksi, dan akurasi. Pengukuran yang memiliki reliabilitas yang tinggi adalah

pengukuran yang dapat menghasilkan data yang reliabel.

Pengukuran yang dapat diandalkan akan mengukur secara konsisten, tapi

belum tentu mengukur apa yang seharusnya diukur. Dalam penelitian, reliabilitas

adalah sejauh mana pengukuran dari suatu tes tetap konsisten setelah dilakukan

berulang-ulang terhadap subjek dan dalam kondisi yang sama. Penelitian

dianggap dapat diandalkan bila memberikan hasil yang konsisten untuk

pengukuran yang sama. Tidak bisa diandalkan bila pengukuran yang berulang itu

memberikan hasil yang berbeda-beda.

 BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

Pada bagian ini, peneliti menyusun secara sistematis disertai argumentasi

yang rasional tentang informasi ilmiah yang diperoleh dalam penelitian, terutama

informasi yang relevan dengan masalah penelitian. Pembahasan terhadap hasil

penelitian yang diperoleh dapat disajikan dalam bentuk uraian teoritis, baik secara

kualitatif maupun kuantitatif.

IV.1 Hasil Penelitian

Hasil penelitian dituliskan berdasarkan tahapan penelitian dari langkah

awal penelitian hingga akhir.

IV.2 Pembahasan

Pembahasan berisi kolerasi hasil penelitian dengan teori-teori yang terkait.

22
 BAB V

PENUTUPAN

V.1 Kesimpulan

Merupakan jawaban atas permasalahan yang dirumuskan dalam latar

belakang serta relevansinya dengan tujuan dan hiposkripsi. Isinya harus

didasarkan pada pembahasan bab-bab utama. Semua hasil yang ditemukan dalam

bab utama dikemukakan pada bagian ini. Saran adalah suatu bagian dari karya

tulis yang boleh tercantum atau tidak, tergantung pada penulis. Jika penulis

merasa perlu memberi saran sehubungan dengan masalah yang dihadapi, maka

bagian saran itu perlu dicantumkan. Sebaliknya, jika penulis merasa tidak perlu

memberikan saran kepada pembaca, saran dengan sendirinya juga tidak perlu

dicantumkan.

V.2 Saran

Pada dasarnya merupakan himbauan penulis kepada pihak lain untuk

menangani suatu masalah yang belum sempat dibahas karena tidak terkait dengan

pokok bahasannya secara langsung. Selain itu, saran dapat pula berupa petunjuk

tentang apa yang harus dilakukan untuk meneruskan atau mengembangkan hasil

penelitian yang telah dilakukan.

23
 DAFTAR PUSTAKA

Badruttamam, Ahmad, Sudarno Sudarno, and Di Asih I Maruddani. 2020.

“PENERAPAN ANALISIS KLASTER K-MODES DENGAN VALIDASI

DAVIES BOULDIN INDEX DALAM MENENTUKAN

KARAKTERISTIK KANAL YOUTUBE DI INDONESIA (Studi Kasus:

250 Kanal YouTube Indonesia Teratas Menurut Socialblade).” Jurnal

Gaussian 9(3): 263–72.

K-, Pengelompokan Menggunakan Algoritma, Medoid Untuk, and Evaluasi

Performa. 2020. “Pelita Teknologi.” 15(1): 49–55.

Khodijah, Siti, and Mohammad Syahidul Haq. 2021. “Strategi Kepempinan

Kepala Sekolah Dalam Meningkatkan Mutu Pendidikan Di Masa Pandemi

Covid-19.” Inspirasi Manajemen Pendidikan 9(1).

https://ejournal.unesa.ac.id/index.php/inspirasi-manajemen-

pendidikan/article/view/38605.

Lesmana, Seko, Atika Fauzia Akbari, Elsa Yulia Rahman, and Dudih Gustian.

2020. “Penerapan K-Means Dalam Efektivitas Pembelajaran E- Learning

Pada Masa Pandemi Covid-19.” 2020(Semnasif).

Neighbor, K-nearest, Ernie Kustanti, Umi Ba, and Muhammad Fadlan. 2018.

“Klasifikasi Siswa Berdasarkan Nilai Pada Bidang Ekstrakurikuler

Menggunakan Metode.” 4(1).

Nurdiani, Siti, Safitri Linawati, Rizky Ade Safitri, and Elin Panca Saputra. 2019.

“Pengelompokan Perilaku Mahasiswa Pada Perkuliahan E-Learning Dengan

K-Means Clustering.” 19(2).

24
 25

Ramadhan, Aditya, and Budi Susetyo. 2019. “PENERAPAN METODE

KLASIFIKASI RANDOM FOREST DALAM MENGIDENTIFIKASI

FAKTOR PENTING PENILAIAN MUTU PENDIDIKAN APPLICATION

OF RANDOM FOREST CLASSIFICATION METHOD IN IDENTI-

FYING IMPORTANT FACTORS OF EDUCATIONAL QUALITY.” 4:

169–82.

Rohmah, Ai, Falentino Sembiring, and Adhitia Erfina. 2021. “IMPLEMENTASI

ALGORITMA K-MEANS CLUSTERING ANALYSIS UNTUK

MENENTUKAN HAMBATAN PEMBELAJARAN DARING ( STUDI

KASUS : SMK YASPIM GEGERBITUNG ).” : 290–98.

Sianipar, Kristin D R, Septri Wanti Siahaan, Marina Siregar, and P P P A N W

Fikrul Ilmi R H Zer. 2020. “Penerapan Algoritma K-Means Dalam

Menentukan Tingkat Kepuasan Mahasiswa Terhadap Pembelajaran Online.”

Infomatek 22(1): 23–30.

Swasta, S M K, and Anak Bangsa. 2021. “BEES : Bulletin of Electrical and

Electronics Engineering Implementasi Metode Decision Tree Pada Tingkat

Prestasi Belajar.” 1(3): 108–14.

Triandini, Melissa, Sarjon Defit, and Gunadi Widi Nurcahyo. 2021. “Data Mining

Dalam Mengukur Tingkat Keaktifan Siswa Dalam Mengikuti Proses Belajar

Pada SMP IT Andalas Cendekia.” Jurnal Informasi dan Teknologi 3: 167–

73.

Wijayanto, Aditya, and Rifki Adhitama. 2019. “Penggunaan X-Means Clustering

Method Untuk Mengelompokkan Potensi Sekolah Menengah Unggul Di

 26

Kabupaten Banyumas.” 8106.

Daftar pustaka merupakan salah satu syarat kelengkapan sebuah laporan

atau karya tulis. Maksud pencantuman daftar pustaka ialah untuk memberitahu

kepada pembaca tentang buku-buku dan sumber lain yang digunakan sebagai

referensi di dalam penyusunan laporan atau karya tulis oleh penulis.

Posisi judul daftar pustaka dicantumkan sejajar dengan penulisan judul-

judul bab. Kepustakaan yang dicantumkan dalam daftar pustaka disusun secara

alfabetis berdasarkan nama keluarga (surname) pengarang tanpa nomor urut. Jarak

antara kepustakaan yang pertama dengan judul daftar pustaka adalah satu baris.

Daftar Pustaka diketik pada halaman baru dengan spasi tunggal. Antara pustaka

yang satu dengan yang lain diberi pemisah satu baris kosong.

Jumlah daftar pustaka minimal 15 referensi yang diambil dari 80%

Jurnal/prosiding dan 20% buku

Daftar pustaka tidak dituliskan manual tetapi automatis dihasilkan dari

insert bibliografi di tools reference MENDELEY, dengan style APA (American

Psychological Association 7th Edition)

 LAMPIRAN

Lampiran merupakan bagian tambahan dalam skripsi yang memuat

keterangan penunjang sehubungan dengan data atau permasalahan yang dianalisis.

Sebagai keterangan tambahan, keberadaan lampiran di dalam skripsi tidak bersifat

wajib. Jika keterangan itu tidak diperlukan, lampiran tentu tidak perlu

dicantumkan. Hal-hal yang lazim dilampirkan antara lain berupa kumpulan

datasheet, listing program, kuesioner, gambar, rangkaian elektronik, dan data yang

isinya digunakan dalam bab utama.

27