PENGELOMPOKKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN BANYAKNYA SEKOLAH MENGGUNAKAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) DAN METODE DAVIES BOULDIN INDEX
Abstract
Pendidikan merupakan proses kegiatan belajar mengajar pengetahuan, keterampilan, dan kebiasaan kelompok orang dari generasi ke generasi melalui pengajaran, pelatihan, dan penelitian. Di Indonesia jenjang pendidikan meliputi SD, SMP, SMA, dan Perguruan Tinggi. Pada penelitian ini membahas penyebaran sekolah negeri yang tidak merata, salah satu contohnya seperti peserta didik yang tempat tinggalnya masih tidak terjangkau zona, sementara banyak daerah yang pembagian zonasi pada awalnya, didasarkan pada wilayah administrasi kecamatan. Jadi permasalahan ini juga membuat pemerataan sekolah belum maksimal sehingga pemerataan pendidikan juga masih menjadi kendala besar di dunia pendidikan Indonesia. Pada penelitian ini membahas tentang penerapan algoritma PAM untuk mengelompokkan kabupaten/kota berdasarkan banyaknya sekolah di Jawa Timur, data yang digunakan yaitu banyaknya desa/kelurahan yang mempunyai sekolah pada tahun 2018. Hasil dari penerapan algoritma PAM dalam mengelompokkan banyaknya sekolah kabupaten/kota di Jawa Timur diperoleh Cluster optimum dengan hasil 2 Cluster berdasarkan indeks nilai Davies bouldin sebesar 0,553 dengan skenario 2 sampai 10 Cluster. Sedangkan jumlah anggota pada masing-masing Cluster 1 terdapat 15 kabupaten/kota & Cluster 2 terdapat 23 kabupaten/kota.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Anonim.https://indonesia.go.id/province/jawa-timur. 2017. Diakses pada 6 April 2020.
Anonim.http://ilmuteknologyindustri.blogspot.com/2017/03/pengertian-data-mining-dan- jenis-fase.html. Diakses pada 12 April 2020.
Asri, M.F., 2018. Pengaruh Sistem Zonasi terhadap Kualitas Pendidikan di Indonesia. Jurnal DDIP Program Studi Pendidikan Bahasa Indonesia Jurusan Bahasa dan Sastra Indonesia dan Daerah Fakultas Bahasa dan Seni, Universitas Negeri Padang.
Christie, A.D., Baskoro, D.A., Ambarwati, L., &Wicaksana, I.W.S. 2013. Belajar Data Mining Dengan Rapid Miner. Jakarta: Gramedia Pustaka.
Hasugian, P. 2018. Penerapan data Mining Untuk Klasifkasi Produk Menggunakan Algoritma K-Means. Jurnal Mantik Penusa. Volume 2, No. 2. Teknik Informatika STMIK Pelita Nusantara, Medan.
Hermawati, F. 2013. Data Mining. Yogyakarta: Andi Offset. Tersedia di https://ejournal.bsi.ac.id/ejurnal/index.php/jtk/article/view/2560/1918 Diakses pada tanggal 05 April 2020.
Han, J. dan Kamber, M. 2001. Data Mining: Concepts and Techniques. Simon Fraser University. USA: Academic Press.
Moses, M. 2012. Analisis Pengaruh Pendidikan, Pelatihan, Dan Pengalaman Kerja Terhadap Produktivitas Kerja Pegawai Dinas Pertambangan Dan Energi Provinsi Papua. Media Riset Bisnis &Manajemen Vol. 12 No. 01 April 2012. STIE Port Numbay, Jayapura.
Meilani, B.D., Asadulloh M. 2015. Data Mining Untuk Menggali Pola Mahasiswa Baru Menggunakan Metode Frequent Pattern Growth. Surabaya: (Studi Kasus: Institut Teknologi Adhi Tama Surabaya). Institut Teknologi Adhi Tama Surabaya, Surabaya.
Pramesti, D. F, Furqon, M., dan Dewi, C. 2017. Implementasi Metode KMedoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol. 1, No. 9. Fakultas Ilmu Komputer. Universitas Brawijaya, Malang. Tersedia di https://virtue.dewadg.id/jdih-bulungan-dev- files/f7f44049-1106-11ea8b12-02420aff01b3.pdf Diakses pada 05 April 2020.
Sujacka, Retno. 2019. Peningkatan Akurasi Algortima K-Means dengan Clustering Purity sebagai Titik Pusat Cluster Awal (Centroid).[pdf] repository.usu.ac.id.
Prasetyo, E., Asroni., Fitri H. 2018. Penerapan Metode Clustering dengan Algoritma K- Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta. (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik). Semeta TenikaVol. 21. No. 1, 60-64, Mei 2018. Universitas Muhammadiyah Yogyakarta, Yogyakarta.
Santoso, D.B., Februariyanti, &Henry. 2016. Algoritma Partitioning Around Medoids (PAM) Clustering untuk Melihat Gambaran Umum Skripsi Mahasiswa. Jurnal Teknologi Informasi DINAMIK Vol. 21, No. 1, Januari 2016. Universitas Stikubank, Semarang.
Sujacka, Retno. 2019. Peningkatan Akurasi Algortima K-Means dengan Clustering Purity sebagai Titik Pusat Cluster Awal (Centroid).[pdf] repository.usu.ac.id.
Wanto A., Damanik, I.I.P., Solikhun., Saragih, I.S., Parlina, I., Suhendro, D. 2019. Algoritma K-medoids untuk mengelompokkan desa yang memiliki infrastruktur di Indonesia. Seminar Nasional Riset Information Science (SENARIS). Pematangsiantar, Indonesia.
Waworuntu, M.N.V., & Amin, M.F. 2018. Penerapan Metode K-means pemetaan calon penerima jamkesda. Jurnal Ilmu, Ilmu Komputer. Vol. 05 No. 02 September 2018. Banjarbaru.
DOI: https://doi.org/10.32528/jasie.v2i2.8453
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 JASIE: Jurnal Aplikasi Sistem Informasi dan Elektronika
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
