ABSTRAK
Pelaksanaan pengayaan materi sangat penting untuk mempersiapkan siswa menghadapi ujian
nasional. Pengayaan materi di SMP Negeri 2 Kwandang diberikan secara merata pada seluruh siswa
kelas IX berdasarkan kelas. Hal ini berdampak pada kurang efektifnya belajar terhadap mata
pelajaran yang kurang dikuasai siswa. Metode komputasi yang mampu untuk menyelesaikan sistem
pembagian kelompok ini adalah Algoritma K-Means. Algoritma K-Means merupakan algoritma
clustering yang mengelompokkan data berdasarkan titik pusat klaster(centroid) terdekat dengan
data.. Variabel yang akan digunakan dalam perhitungan algoritma K-Means adalah nilai rapot mata
pelajaran pengayaan ujian nasional siswa kelas IX dari semester 1 hingga semester 5. Sehingga
didapat output berupa C1, C2, C3, C4 dan C5 yaitu nilai rapot sangat tinggi, tinggi, cukup, kurang
dan kurang sekali.
Gambar 14: Tampilan Halaman Input Data Gambar 16: Tampilan Halaman Input Nilai
Siswa Rapot Mata Pelajaran
Sumber : Data Olahan Penulis Sumber : Data Olahan Penulis
Halaman ini digunakan untuk
menambahkan data siswa yang baru, dimulai Halaman ini digunakan untuk
dengan memasukkan NISN, Nama Siswa dan menambahkan data nilai rapot mata pelajaran
Kelas. Untuk melanjutkan proses penyimpanan yang baru, dimulai dengan memasukkan NISN,
data siswa klik tombol Sismpan, untuk Nama Siswa dan NIlai Rapot Semester1,
membatalkan proses penambahan data siswa klik Semester 2, Semester 3, Semester 4, Semester 5.
tombol kembali. Untuk melanjutkan proses penyimpanan data
nilai rapot klik tombol Sismpan, untuk
Tampilan Halaman Nilai Rapot Mata membatalkan proses penambahan data nilai rapot
Pelajaran klik tombol kembali.
F. DAFTAR PUSTAKA
Gambar 19: Tampilan Halaman Hasil Cluster Agustin, Fenty Eka M., Fitria, Ardini., S, Anif
Mata Pelajaran Hanifah. 2015. Implementasi Algoritma K-
Sumber : Data Olahan Penulis Means Untuk Menentukan Kelompok
Halaman ini menampilkan hasil clustering. Pengayaan Materi Mata Pelajaran Ujian
Untuk kembali ke perhitungan awal klik Data Nasional (Studi Kasus : SMP Negeri 101
Awal. Jakarta). Jurnal Teknik Informatika,
(Online), 8(1): 73-78,
E. KESIMPULAN & SARAN (https://repository.uinjkt.ac.id), diakses 2
a. Kesimpulan Oktober 2019.
Berdasarkan hasil penelitian yang telah
dilakukan dan pembahasan yang telah diuraikan Asroni, Adrian, Ronald. 2015. Penerapan
sebelumnya, maka dapat ditarik suatu Metode K-Means Untuk Clustering
kesimpulan bahwa: Mahasiswa Berdasarkan Nilai Akademik
1. Bahwa pada rancangan sistem Clustering Dengan Weka Interface Studi Kasus pada
Siswa Berdasarkan Nilai Rapot pada SMP Jurusan Teknik Informatika UMM
Negeri 2 Kwandang menggunakan metode Magelang. Jurnal Ilmiah Semesta Teknika,
K-Means menghasilkan klastering siswa (Online), 18(1): 76-82,
berdasarkan nilai rapot dapat di rekayasa. (https://journal.umy.ac.id), diakses 5
2. Sistem Clustering Siswa Berdasarkan Nilai Oktober 2019.
Rapot Menggunakan Metode K-Means
yang di uji kinerjanya dengan White Box Hartanti, Ninik Tri. 2018. Education Data
menghasilakn V(G) = CC, sehingga dapat Mining Untuk Menentukan Kelompok
dinyatakan bahwa sistem telah memenuhi Belajar Ujian Nasional di SMK. Jurnal
TEKNO KOMPAK, (Online), 12(2): 39-44, (https://journals.usm.ac.id), diakses 5
(https://ejurnal.teknokrat.ac.id), diakses 2 Oktober 2019.
Oktober 2019.