Main Article Content

Abstract

 Salah satu teknik yang bisa digunakan dalam Data mining  adalah Clustering. Clustering adalah teknik utama yang digunakan untuk pengelompokan data numerik dan gambar dalam aplikasi data mining dan pengolahan gambar. Data Mining merupakan proses ekstraksi data menjadi infomasi, yang dapat membantu perusahaan dalam mendapatkan pola dari data yang tersimpan didalam basis data.data yang dulunya dianggap tidak berguna bisa dimanfaatkan untuk pengambilan keputusan baik untuk kepentingan bisnis maupun pendidikan.Dalam dunia pendidikan data mining perlu diterapkan untuk membantu proses pengolahan data salah satunya  dalam hal pengelompokan data siswa. Data yang biasanya hanya dijadikan sebagai arsip disekolah dapat dijadikan sebagai pedoman oleh para guru dalam halpenentuan minat siswa. Hal tersebut juga diterapkan pada SMKN 4 Padang yang akan mengelompokan sata siswa berdasarkan minat siswa terhadap mata pelajaran produktif Multimedia sehingga dapat digunakan untuk menentukan kompetensi siswa dan dapat juga digunakan dalam pengambilan keputusan untuk menentukan penguatan materi yang akan dipelajari di kelas XII. Dalam pengelompokan siswa tersebut menggunakan algoritma K-meansyang nantinya dapat mengetahui kompetensi siswa sebagai seorang movie maker (belakang layar) atau sebagai seorang artist. Kata kunci: Data Mining, Clustering, Algoritma K-means

Article Details

Author Biography

Lido Sabda Lesmana, Universitas Putera Batam-UPB

Universitas Putera Batam - Asisten Ahli
How to Cite
Elizawati, N., & Lesmana, L. S. (2017). Analisis Nilai Rapor Siswa Kelas X Jurusan Multimedia Terhadap Minat Pada Pelajaran Produktif di Kelas XII untuk Menentukan Kompetensi Siswa dengan Metode Clustering Algoritma K-Means (Studi Kasus di SMKN 4 Padang). Jurnal Komputer Terapan, 3(2), 133–148. Retrieved from https://jurnal.pcr.ac.id/index.php/jkt/article/view/1462

References

  1. G. Abdillah et al., “Penerapan Data Mining Pemakaian Air Pelanggan Untuk Menentukan Klasifikasi Potensi Pemakaian Air Pelanggan Baru Di Pdam Tirta Raharja Menggunakan Algoritma K-Means,†vol. 2016, no. Data Mining, pp. 18–19, 2016.
  2. Afrisawati, “Implementasi Data Mining Pemilihan Pelanggan POTENSIAL MENGGUNAKAN ALGORITMA K-MEANS,†Pelita Inform. Budi Darma, vol. V, no. 12110955, pp. 157–162, 2013.
  3. F. E. M. Agustin, A. Fitria, and A. H. S, “( STUDI KASUS : SMP NEGERI 101 JAKARTA ) Program Studi Teknik Informatika , Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah,†Implementasi Algoritm. K-Means Untuk Menentukan Kelompok Pengayaan Mater. Mata Pelajaran Ujian Nas. (Studi Kasus Smp Negeri 101 Jakarta), vol. 8, pp. 73–78, 2013.
  4. E. Muningsih and S. Kiswati, “Penerapan Metode,†Bianglala Inform., vol. 3, no. 1, pp. 229–236, 2015.
  5. L. R. Angga Ginanjar Mabrur, “Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit,†J. Komput. dan Inform., vol. 1, no. 1, pp. 53–57, 2012.
  6. K. Tampubolon, H. Saragih, B. Reza, K. Epicentrum, A. Asosiasi, and A. Apriori, “Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan,†Inf. dan Teknol. Ilm., pp. 93–106, 2013.
  7. K. Rajalakshmi, S. S. Dhenakaran, and N. Roobini, “Comparative Analysis of K-Means Algorithm in Disease Prediction,†Int. J. Sci. Eng. Technol. Res., vol. 4, no. 7, pp. 2697–2699, 2015.