PERBANDINGAN TOOLS DATA MINING UNTUK PENGELOMPOKAN SISWA PUTUS SEKOLAH DENGAN ALGORITMA K-MEANS (STUDI KASUS : SEKOLAH SMK DI INDONESIA)

PERBANDINGAN TOOLS DATA MINING UNTUK PENGELOMPOKAN SISWA PUTUS SEKOLAH DENGAN ALGORITMA K-MEANS (STUDI KASUS : SEKOLAH SMK DI INDONESIA)

• By Indra Wijaya;
• Skripsi
• 8
• 1-88

Penelitian ini membahas perbandingan berbagai tools data mining untuk pengelompokan siswa putus sekolah menggunakan algoritma K-Means. Studi kasus dilakukan pada sekolah-sekolah menengah kejuruan (SMK) di Indonesia. Tiga tools data mining yang dibandingkan dalam penelitian ini adalah RapidMiner, Orange, dan Weka. Proses pengumpulan data dilakukan melalui observasi dan eksperimen dengan menggunakan dataset siswa SMK yang putus sekolah. Penelitian ini bertujuan untuk mengidentifikasi alat yang
paling efektif dalam melakukan clustering siswa putus sekolah serta
memberikan perbandingan akurasi hasil clustering dari masing-masing tools.
Metode penelitian mencakup identifikasi masalah, pengumpulan data, pengujian dengan masing-masing tools, pengolahan data menggunakan algoritma K-Means, dan analisis perbandingan hasil. Hasil penelitian menunjukkan bahwa RapidMiner memliki performa yang lebih baik dibandingkan tools Orange dan Weka, setiap tools memiliki kelebihan dan kekurangan masing-masing dalam hal akurasi, kecepatan, dan kemudahan penggunaan. Temuan ini dapat memberikan wawasan bagi institusi pendidikan dalam memilih tools data mining yang paling sesuai untuk analisis data mereka.

• Katakunci Data Mining, K-Means, Clustering, RapidMiner, Orange, Weka, Siswa Putus Sekolah, SMK.
• URL http://
• Penerbit ,

REFERENSI

Ainurrohma. 2021. “Akurasi Algoritma Klasifikasi Pada Software Rapidminer Dan
Weka.” PRISMA, Prosiding Seminar Nasional Matematika 4:493–99.
https://journal.unnes.ac.id/sju/index.php/prisma/.

Anita, Fivtatianti Hendajani. 2019. “Perbandingan Penggunaan Aplikasi Rapidminer
Dengan Weka Untuk Penerapan Metode K-Means Clustering Pada
Pengelompokan Penderita Demensia.” Jurnal Ilmiah Komputasi 18 (2).
https://doi.org/10.32409/jikstik.18.2.2584.

Arta, I Kadek J, Gede Indrawan, and Gede Rasben Dantes. 2019. “Data Mining
Rekomemdasi Calon Mahasiswa Berprestasi Di STMIK Denpasar
Menggunakan Metode Technique For Other Reference By Similarity to Ideal
Solution.” Jurnal Ilmu Komputer Indonesia (JIKI) 4 (1): 11–21.

Chusyairi, Ahmad, and Pelsri Ramadar Noor Saputra. 2019. “Pengelompokan Data
Puskesmas Banyuwangi Dalam Pemberian Imunisasi Menggunakan Metode KMeans Clustering.” Telematika 12 (2): 139–48.
https://doi.org/10.35671/telematika.v12i2.848

Dhuhita, Winha Mega Pradnya. 2015. “Clustering Metode K-Means Untuk
Menentukan Status Gizi Balita.” Jurnal Informatika 15 (2): 160–74.
Faid, Mochammad, Moh Jasri, and Titasari Rahmawati. 2019. “Perbandingan
Kinerja Tool Data Mining Weka Dan Rapidminer Dalam Algoritma
Klasifikasi.” Teknika 8 (1): 11–16. https://doi.org/10.34148/teknika.v8i1.95.

Fitriyadi, Akhmad upi. 2021. “Analisis Algoritma K-Means Dan K-Medoids Untuk
Clustering Data Kinerja Karyawan Pada Perusahaan Perumahan Nasional.”
Kilat 10 (1): 157–68. https://doi.org/10.33322/kilat.v10i1.1174.

Handoko, Koko, and Lido Sabda Lesmana. 2018. “Data Mining Pada Jumlah
Penumpang Menggunakan Metode Clustering.” Snistek, no. 1, 97–102.

Madaniah, Fitria, Siti Nurjannah, and Meity Suryandari. 2023. “Sebab Akibat
Banyak Anak Di Indonesia Yang Putus Sekolah.” Http://JournalStiayappimakassar.Ac.Id/Index.Php/Srj/Article/View/218 1 (1): 418–24.
http://journal-stiayappimakassar.ac.id/index.php/srj/article/view/218.

Marisa, Fitri. 2013. “Educational Data Mining (Konsep Dan Penerapan).” Jurnal
Teknologi Informasi 4 (35): 90–97. https://doi.org/10.36382/jti-tki.v4i2.108.

Ramadanti, Elsa, and Muhamad Muslih. 2022. “Penerapan Data Mining Algoritma
K-Means Clustering Pada Populasi Ayam Petelur Di Indonesia.” Rabit : Jurnal
Teknologi Dan Sistem Informasi Univrab 7 (1): 1–7.
https://doi.org/10.36341/rabit.v7i1.2155.

Saputra, Erdi Amos, and Yessica Nataliani. 2021. “Analisis Pengelompokan Data
Nilai Siswa Untuk Menentukan Siswa Berprestasi Menggunakan Metode
Clustering K-Means.” Journal of Information Systems and Informatics 3 (3):
424–39. https://doi.org/10.51519/journalisi.v3i3.164.

Suryadi, M Teguh. 2020. “Perbandingan Hasil” 4 (2): 413–22.

Anita. (2019). Comparison of K-Means Clustering on OASIS 2 Dataset using
RapidMiner and Weka. Journal of Medical Imaging, 10(2), 45-60.
Fayyad, U. M.-S. (1996). From Data Mining to Knowledge Discovery in Databases. AI Magazine,, 17(3), 37-54.

Hermawan, D. e. (2021). Perbandingan Aplikasi Data Mining untuk Clustering dengan K-Means. Jurnal Ilmiah Komputer dan Informatika, 10(3), 123-134.

Irwansyah, D. e. (2020). Evaluation of Data Mining Tools for Educational Data. Journal of Educational Technology & Society.

Putri, A. (2019). A Comparative Study of Open Source Data Mining Tools for KMeans Clustering. Journal of Data Science and Analytics.

Wahyuni, S. (2018). Comparative Study of Data Mining Tools for K-Means Clustering Algorithm. International Journal of Advanced Computer Science and Applications (IJACSA).

Wulandari, A. (2020). Implementasi Algoritma K-Means untuk Pengelompokan Siswa Berisiko Putus Sekolah. Jurnal Teknologi Informasi dan Pendidikan, 7(1), 33-40