Disusun oleh:
Novian Hari Pratama
5130411335
Disusun oleh:
Novian Hari Pratama
5130411335
Pembimbing
Suhirman,Ph.D. tanggal:.........................
IMPLEMENTASI METODE K-MEANS PADA PENERIMAAN SISWA BARU
(Studi Kasus : SMK Pembangunan Nasional Purwodadi)
ABSTRAK
Saat ini, belum banyak sekolah di Indonesia menyelenggarakan Penerimaan Siswa Baru berbasis komputer.
Penerimaan siswa juga masih belum menggunakan perhitungan khusus agar calon siswa tidak salah masuk jurusan.
Kmeans merupakan salah satu model matematis yang digunakan untuk mengelompokkan data yang awalnya acak
sehingga data menjadi terstrukstur. K-Means dalam pengelompokan data sangat efisien dan tidak membutuhkan waktu
yang lama dan akurasi kebenaran dari metode K-Means dapat dikatakan di atas standar. Maka dari itu, peneliti
membuat aplikasi yang dapat mengklasifikasikan penerimaan siswa berdasarkan nilai (Grade) yang telah ditentukan.
Adapun hasil dari penelitian yang dibuat ini berupa saran, jika siswa memilih jurusan ‘A’ sedangkan nilainya hanya
termasuk di jurusan ‘B’, maka sistem akan memberikan siswa saran untuk masuk di Jurusan ‘B’. Namun jika
sebaliknya, siswa dapat memilih salah satu dari jurusan dipilih dan jurusan yang diterima.
Berdasarkan dari pemaparan di atas, karena sistem Secara sederhana data mining biasa dikatakan sebagai
penerimaan siswa di sekolah belum proses menyaring atau menambang pengetahuan dari
mengimplementasikan metode untuk kelulusan dan sejumlah data yang sangat besar. Istilah lain untuk data
tidak lulusnya siswa pada saat ujian, maka peneliti mining adalah Knowledge Discovery in Database atau
akan membuat IMPLEMENTASI METODE K- KDD. Walaupun sebenarnya data mining sendiri
MEANS PADA SISTEM PENERIMAAN SISWA adalah bagian dari tahapan proses dalam KDD seperti
PADA SMK PEMBNAS PURWODADI. yang terlihat pada Gambar 1 (Han, 2006).
2. LANDASAN TEORI
kemampuannya untuk meng-cluster data besar dan
outlier dengan sangat cepat.
T
1. 2.
Modul Administrator Modul User
Simpan centroid
selesai
1.1. 1.2. 1.3
Proses Pelatihan Proses Pengujian Master
pada Gambar 8.
Login
Data NIlai Siswa 1. data_login data_user
Input Jumlah Kelas modul data_siswa
admin Input Soal data_siswa 1.1.3
administrat
Input Kunci
or
data soal Proses
input data siswa data_soal Euclidean
data centroid data_centroid
Nilai Centroid
Hasil Pelatihan
Hasil Pengujian data_centroid
data_soa;
1.1.4
data_siswa hasil_pelatihan
Perbarui data_centroid data_centroid
data_login
Centroid
Login 2.
siswa Ujian Berbasis Komputer modul user
data hasil hasil_ujian Gambar 10 DAD level 3 proses 1.1
nilai
pengumuman
Gambar 8 DAD level 1 3.12. Diagram alir data proses 3 level 1.3
DAD level 3 proses 1.3 merupakan proses-proses
yang berhubungan dengan penginputan data-data
3.10. Diagram alir data level 2 proses 1 penting seperti data siswa dll. Pada Gambar 11
Diagram alir data level 2 proses 1 merupakan pecahan menunjukkan bahwa terdapat lima proses yaitu, proses
dari DAD level 1 pada proses 1. Diagram alir data level memasukkan data siswa, data untuk soal ujian, setting
2 proses 1 terdapat tiga proses yaitu, proses pelatihan, grade jurusan, setting tahun ajaran, dan print out hasil
proses pegujian dan proses penginputan data master. seleksi siswa baik yang lulus maupun yang tidak lulus.
Perancangan DAD level 2 proses 1 dapat dilihat pada
Gambar 9. Data Siswa
1.3.1
Data Siswa
data_siswa data_siswa
1.3.2
Data Soal data_soal data_soal
Master Soal
detail_soal detail_soal
1.2
admin input nilai Proses
Pengujian 1.3.3
admin grade_jurusan Set Grade grade_jurusan grade_jurusan
Jurusan
hasil pengujian
data_siswa data_siswa
input data siswa
1.3
input soal 1.3.4
Master data_soal Tahun Ajaran Set Tahun tahun_ajaran tahun_ajaran
input kunci jawaban data_soal
kunci_jawaban Ajaran
kunci_jawaban
hasil_ujian
hasil_ujian
1.3.4
Laproan Kelulusan Siswa hasil_ujian
Laporan
tahun_ajaran
5.1. Kesimpulan
Berdasarkan hasil penelitian penerimaan siswa dengan DAFTAR PUSTAKA
menggunakan metode k-means diperoleh kesimpulan
sebagai berikut: [1] Hermawati, F. A. (2013). Data Mining.
a. Praposes dari sitem yaitu dengan cara mengambil Yogyakarata: Andi Offset.
bobot nilai dari masing-masing soal ujian, [2] Ong, J. O. (2013). IMPLEMENTASI
kemudian bobot nilai tersebut dilatih dengan ALGORITMA K-MEANS CLUSTERING
menggunakan metode k-means. Proses pelatihan UNTUK MENENTUKAN STRATEGI
k-means digunakan untuk mencari nilai centroid MARKETING PRESIDENT UNIVERSITY.
dari data yang awalnya tidak beraturan menjadi Jurnal Ilmiah Teknik Industri, 12(1), 10 – 20.
data yang beraturan. Nilai centroid yang [3] Han, J., & Kamber, M. (2006). Data Mining:
didapatkan pada saat proses pelatihan, digunakan Concepts and Techniques, 2nd ed. kanada:
untuk menghitung bobot jawaban yang benar Morgan Kaufmann.
pada saat ujian dilaksanakan. Pada penelitian ini, [4] Sudrajat, C. (2011). Pengembangan Sistem
jumlah kelas yang digunakan sebanyak delapan Informasi Pendaftaran Siswa Baru Secara Online
Berbasis Web.