KLASTERISASI KUALITAS PENDIDIKAN SMA/MA BERDASARKAN HASIL UJIAN NASIONAL SMA/MA PROVINSI DI INDONESIA TAHUN AJARAN 2018/2019 DENGAN ALGORITMA K-MEANS

Suputra, I Wayan Arlan (2020) KLASTERISASI KUALITAS PENDIDIKAN SMA/MA BERDASARKAN HASIL UJIAN NASIONAL SMA/MA PROVINSI DI INDONESIA TAHUN AJARAN 2018/2019 DENGAN ALGORITMA K-MEANS. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1613011015-COVER.pdf
Download (1MB)
[img] Text (ABSTRAK)
1613011015-ABSTRAK.pdf
Download (278kB)
[img] Text (BAB 1 PENDAHULUAN)
1613011015-BAB 1 PENDAHULUAN.pdf
Download (339kB)
[img] Text (KAJIAN TEORI)
1613011015-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (388kB) | Request a copy
[img] Text (METODELOGI PENELITIAN)
1613011015-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (373kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1613011015-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (358kB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1613011015-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (283kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1613011015-DAFTAR PUSTAKA.pdf
Download (171kB)
[img] Text (LAMPIRAN)
1613011015-LAMPIRAN.pdf
Download (1MB)

Abstract

Penelitian ini bertujuan untuk mengetahui bagaimana klasterisasi kualitas pendidikan SMA/MA berdasarkan hasil ujian nasional SMA/MA provinsi di Indonesia tahun ajaran 2018/2019 dengan algoritma K-Means. Algoritma K Means adalah metode klasterisasi non hirarki yang mempartisi objek ke dalam beberapa kelompok (klaster) berdasarkan karakteristiknya serta bertujuan untuk meminimumkan variasi di dalam suatu klaster dan memaksimumkan variasi antar klaster. Penelitian ini adalah penelitian data mining (penambangan data), dimana data diperoleh dari website resmi Pusat Penilaian Pendidikan dan Kebudayaan Kemendikbud. Data yang diperoleh berisi rerata variabel yang diujikan dalam ujian nasional masing-masing provinsi di Indonesia. Prosedur penambangan data yang ditempuh dalam penelitian ini yaitu pembersihan data, integrasi data, pemilihan data, transformasi data, penambangan data, evaluasi pola dan presentasi pengetahuan. Hasil klasterisasi yang diperoleh dalam penelitian ini yaitu: 2 provinsi dikategorikan dalam klaster 1 (pencapaian UN sangat baik) dengan karakteristik jumlah dan rata-rata nilai UN berturut-turut dalam rentangan 379,13 – 389,79 dan 63,19 – 64,97; 10 provinsi dikategorikan dalam klaster 2 (pencapaian UN baik) dengan karakteristik jumlah dan rata-rata nilai UN berturut-turut berada dalam rentangan 308,72 – 346,54 dan 51,45 – 57,76; 11 provinsi dikategorikan dalam klaster 3 (pencapaian UN cukup) dengan karakteristik jumlah dan rata-rata nilai ujian nasional berturut-turut berada dalam rentangan 278,53 – 298,32 dan 46,42 – 49,72; dan 11 provinsi dikategorikan dalam klaster 4 (pencapaian UN kurang) dengan karakteristik jumlah dan rata-rata nilai ujian nasional berturut-turut berada dalam rentangan 252,02 – 271,65 dan 42,00 – 45,28. Efektivitas algoritma K-Means diukur dengan Partition Coefficiens Index (PCI) dan Silhouette Coefficient (SC), hasil yang diperoleh berturut-turut adalah 0,81 (kualitas klaster baik) dan 0,43 (weak structure).

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasterisasi, kualitas, ujian nasional, algoritma K-Means
Subjects: L Education > L Education (General)
L Education > LC Special aspects of education
Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Matematika > Program Studi Pendidikan Matematika (S1)
Depositing User: I Wayan Arlan Suputra
Date Deposited: 25 Jul 2020 00:40
Last Modified: 25 Jul 2020 00:40
URI: http://repo.undiksha.ac.id/id/eprint/2106

Actions (login required)

View Item View Item