Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
PENGELOMPOKAN KAB/KOTA DI INDONESIA BERDASARKAN NILAI MATA PELAJARAN UN IPA MENGGUNAKAN METODE K-MEANS CLUSTERING
Pengarang
AINUN MARDHIAH - Personal Name;
Dosen Pembimbing
Nomor Pokok Mahasiswa
1408108010037
Fakultas & Prodi
Fakultas MIPA / Statistika (S1) / PDDIKTI : 49201
Subject
Kata Kunci
Penerbit
Banda Aceh : FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SYIAH KUALA., 2018
Bahasa
Indonesia
No Classification
1
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Penyelenggaraan Ujian Nasional (UN) untuk setiap kabupaten/kota di Indonesia dilakukan sebagai salah satu evaluasi dalam peningkatan mutu pendidikan yang telah diterapkan. UN diharapkan memiliki hubungan erat dengan pencapaian Indeks Pembangunan Manusia (IPM) setiap kabupaten/kota di Indonesia. Pengelompokan kabupaten/kota di Indonesia berdasarkan nilai UN dilakukan dengan tujuan untuk memprediksi kelompok (cluster) dari kabupaten/kota yang tidak memiliki nilai UN yaitu Administrasi Kepulauan Seribu, Nduga, Puncak, dan Intan Jaya. Cluster dari kabupaten/kota yang tidak memiliki nilai UN tersebut diprediksi berdasarkan karakteristik dari cluster kabupaten/kota berdasarkan IPM. Data yang digunakan dalam penelitian ini adalah data nilai rata-rata dan nilai standar deviasi dari setiap mata pelajaran UN jurusan Ilmu Pengetahuan Alam (IPA) SMA/MA serta nilai IPM. Metode yang digunakan untuk mengelompokkan kabupaten/kota dalam penelitian ini adalah K-means clustering dengan jumlah cluster (k) yang terpilih untuk mengelompokkan kabupaten/kota sebanyak 5 cluster berdasarkan metode Elbow dan pengukuran kualitas clustering. Hasil dari penelitian ini menunjukkan bahwa jumlah cluster (k) yang terpilih untuk mengelompokkan kabupaten/kota di Indonesia sebanyak 5 cluster, dimana Kota Administrasi Kepulauan Seribu termasuk anggota dari cluster V, sedangkan ketiga kabupaten lainnya diprediksi termasuk anggota dari cluster I.
Kata Kunci: K-means, Clustering, Data Mining, Indeks Pembangunan Manusia, Ujian Nasional.
Tidak Tersedia Deskripsi
PERBANDINGAN METODE FUZZY C-MEANS (FCM) DAN FUZZY GUSTAFSON-KESSEL (FGK) MENGGUNAKAN DATA CITRA SATELIT QUICKBIRD (STUDI KASUS DESA LUBUK BATEE, ACEH BESAR) (Ahmad Mauliyadi Misran, 2022)
ANALISIS DAN PERBANDINGAN KUALITAS PENGELOMPOKAN DOKUMEN (DOCUMENT CLUSTERING) DENGAN MENGGUNAKAN METODE K-MEANS DAN K-MEDIANS (Bustami, 2022)
PENGELOMPOKAN KABUPATEN/KOTA MENGGUNAKAN NILAI UJIAN NASIONAL SMA/MA JURUSAN IPS DI INDONESIA TAHUN 2015 MENGGUNAKAN METODE COMPLETE LINKAGE DAN K-MEANS CLUSTERING (Khairul Amri, 2018)
PEMETAAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN NILAI UJIAN NASIONAL SMA/MA JURUSAN IPA TAHUN 2107 MENGGUNAKAN METODE CLUSTERING (Melia Hardianti, 2019)
PENGELOMPOKAN KAB/KOTA DI INDONESIA BERDASARKAN NILAI MATA PELAJARAN UN IPA MENGGUNAKAN METODE K-MEANS CLUSTERING (AINUN MARDHIAH, 2018)