Penerapan Data Mining Algoritma K-Medoids untuk Rekomendasi Kelompok Mata Pelajaran Pilihan

Authors

  • Dea Avrillia Arba'a Dea Universitas Nusantara PGRI Kediri Indonesia
  • Risa Helilintar Universitas Nusantara PGRI Kediri Indonesia
  • Intan Nur Farida Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/qyyygg13

Abstract

Penelitian ini bertujuan untuk mengelompokkan data siswa berdasarkan minat dan nilai akademik guna membantu guru dalam memberikan arahan yang tepat. Metode yang digunakan adalah algoritma K-Medoids dengan perhitungan jarak Euclidean untuk proses clustering. Pengumpulan data dilakukan pada siswa SMA Pawyatan Daha Kediri dengan atribut nilai IPA, nilai IPS dan nilai tes peminatan. Prosedur penelitian meliputi Persyaratan, Desain, Implementasi, Pengujian, dan Pemeliharaan. Hasil penelitian menunjukkan bahwa metode K-Medoids efektif dalam mengelompokkan siswa ke dalam beberapa klaster, yaitu kelompok yang cenderung memilih kelompok IPA, atau kelompok IPS dengan nilai siluet yang menunjukkan kualitas clustering cukup baik yaitu 0,34. Sistem yang dibangun mampu membantu guru dalam mengambil keputusan yang lebih objektif terkait pengelompokkan siswa

Keywords:

Clustering, Jarak Euclidean, Silhouette Coefficient

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] S. Mahaly, J. O. Papilaya, and Jumail, “ANALISIS PEMILIHAN MINAT MATA PELAJARAN PILIHAN SISWA SMA LABORATORIUM UNIVERSITAS PATTIMURA,” PEDAGOGIKA: Jurnal Pedagogik dan Dinamika Pendidikan, vol. 12, no. 1, pp. 101–108, Apr. 2024, doi: https://doi.org/10.30598/pedagogikavol12issue1page101-108

[2] C. Zai and T. Komputer, “IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA,” Portaldata.org, vol. 2, no. 3, 2022.

[3] Y. Syahra, “Penerapan Data Mining Dalam Pengelompokkan Data Nilai Siswa Untuk Penentuan Jurusan Siswa Pada SMA Tamora Menggunakan Algoritma K-Means Clustering,” j.sains manaj. inform. dan kompʹût., vol. 17, no. 2, hlm. 228, Agu 2018, doi: 10.53513/jis.v17i2.70.

[4] F. Harahap, “Perbandingan Algoritma K Means dan K Medoids Untuk Clustering Kelas Siswa Tunagrahita,” vol. 2, no. 4, 2021.

[5] N. T. Luchia, H. Handayani, F. S. Hamdi, D. Erlangga, dan S. F. Octavia, “Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia: Comparison of K-Means and K-Medoids on Poor Data Clustering in Indonesia,” MALCOM, vol. 2, no. 2, hlm. 35–41, Sep 2022, doi: 10.57152/malcom.v2i2.422.

[6] R. Adrianto dan A. Fahmi, “Penerapan Metode Clustering Dengan Algoritma K-Means Untuk Rekomendasi Pemilihan Jalur Peminatan Sesuai Kemampuan Pada Progam Studi Teknik Informatika - S1 Universitas Dian Nuswantoro”, doi: https://doi.org/10.33633/joins.v1i2.1302.

[7] A. R. Nst, D. Irmayani, dan A. P. Juledi, “CLUSTERING OF ALGORTIMA K-MEANS BASED NATIONAL EXAM SCORE DATA WITH ELBOW AND SILHOUETTE OPTIMIZATION,” vol. 10, 2022.

[8] R. Saputra dan I. Purnama, “OPTIMIZING K-MEANS ALGORITHM WITH ELBOW AND SILHOUETTE METHODS FOR NATIONAL EXAM SCORE DATA CLUSTERING,” vol. 1, 2024.

[9] J. Faran dan R. T. Aldisa, “Penerapan Data Mining Untuk Penjurusan Kelas dengan Menggunakan Algoritma K-Medoids,” bits, vol. 5, no. 2, Sep 2023, doi: 10.47065/bits.v5i2.4313.

[10] E. Fitriani, D. Firmansyah, R. Aryanti, dan W. Walim, “IMPLEMENTASI MODEL WATERFALL PADA SISTEM INFORMASI AKADEMIK BERBASIS WEB PADA SMK PERTANIAN KARAWANG,” Techno, vol. 15, no. 2, hlm. 137, Sep 2018, doi: 10.33480/techno.v15i2.923.

[11] A. L. Ramdani dan H. B. Firmansyah, “Clustering Application for UKT Determination Using Pillar K-Means Clustering Algorithm and Flask Web Framework,” IJAIDM, vol. 1, no. 2, hlm. 53, Agu 2018, doi: 10.24014/ijaidm.v1i2.5126.

[12] B. N. Yulisasih, H. Herman, S. Sunardi, dan H. Yuliansyah, “Evaluation of K-Means Clustering Using Silhouette Score Method on Customer Segmentation,” Ilk. J. Ilm., vol. 16, no. 3, hlm. 330–342, Des 2024, doi: 10.33096/ilkom.v16i3.2325.330-342.

[13] H. Sariangsah, W. Wanayumini, dan R. Rosnelly, “Penentuan Kelas Menggunakan Algoritma K Medoids Untuk Clustering Siswa Tunagrahita,” mib, vol. 5, no. 1, hlm. 83, Jan 2021, doi: 10.30865/mib.v5i1.2547.

[14] A. Voutama dan E. Novalia, “Perancangan Sistem Informasi Plakat Wisuda Berbasis Web Menggunakan UML dan Model Waterfall,” 15 Jun 2022, vol. Vol 11 No 01 (2022), doi: 10.35706/syji.v11i01.6412.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Dea Avrillia Arba'a Dea, Risa Helilintar, Intan Nur Farida

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Penerapan Data Mining Algoritma K-Medoids untuk Rekomendasi Kelompok Mata Pelajaran Pilihan. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(3), 2018-2027. https://doi.org/10.29407/qyyygg13