Algoritma K-Means pada Pengelompokan Pembelajaran Tatap Muka Terbatas Sesudah Vaksinasi COVID-19

Main Article Content

Lili Kartikawati
Kusrini Kusrini
Emha Taufiq Luthfi

Abstract

Pandemi COVID-19 menimbulkan potensi dampak sosial yang kurang baik, peranan sekolah dalam proses belajar mengajar tidak terlihat. Akses dan kualitas pembelajaran jarak jauh berbanding lurus dengan capaian belajar peserta didik. Capaian hasil belajar peserta didik menunjukkan tingkat kualitas pembelajaran yang telah dilakukan. Peserta didik yang terkendala dalam mencapai hasil belajar maka dibutuhkan langkah perbaikan proses belajar di antaranya melalui pembelajaran tatap muka terbatas. Pembelajaran tatap muka terbatas wajib menaati prosedur kesehatan, di antaranya pembatasan jumlah maksimal peserta didik dalam satu Rombel. Pengelompokan peserta didik dipilih sebagai solusi pembatasan jumlah peserta didik dalam Rombel. Metode eksperimen penelitian ini diterapkan pada hasil capaian belajar selama tengah semester genap 2020/2021 peserta didik X Usaha Perjalanan Wisata 1 di SMK Negeri 4 Yogyakarta. Pengelompokan dan pembuktian kualitas pengelompokan algoritma K-Means menggunakan metode silhouette coefficient serta rumus euclidean distance untuk mengukur jarak di antara dokumennya. Hal yang membedakan dengan penelitian clustering sebelumnya di antaranya dilakukan pengukuran kualitas peng-cluster-an dan melakukan penggalian lebih dalam pada pola-pola baru hasil peng-cluster-an yang terbentuk sehingga didapatkan pengetahuan baru. Kualitas clustering menghasilkan nilai Si=0,8313 yang berarti memiliki karakteristik struktur kuat dan menampilkan pengetahuan baru berupa kelompok rumpun mata pelajaran yang menginformasikan tingkatan daya serap peserta didik terhadap mata pelajaran.

Downloads

Download data is not yet available.

Article Details

How to Cite
Kartikawati, L., Kusrini, K., & Luthfi, E. T. (2022). Algoritma K-Means pada Pengelompokan Pembelajaran Tatap Muka Terbatas Sesudah Vaksinasi COVID-19. Jurnal Eksplora Informatika, 11(1), 20-28. https://doi.org/10.30864/eksplora.v11i1.560
Section
Articles

References

K. R. dan T. Kementerian Pendidikan, “Penyesuaian kebijakan pembelajaran di masa pandemi COVID-19,” 2021.

V. Julianto and J. Permadi, “Aplikasi pemilihan strategi promosi penerimaan mahasiswa baru politeknik negara tanah laut menggunakan metode k-means clustering,” J. Ilm. Inform., vol. 2, no. 1, pp. 99–104, Jun. 2017, doi: 10.5281/JIMI.V1I2.37.

S. Lesmana et al., “Penerapan k-means dalam efektivitas pembelajaran e-learning pada masa pandemi covid-19,” Semin. Nas. Inform., vol. 2020, no. 1, pp. 100–110, Dec. 2020.

K. D. R Sianipar et al., “Penerapan algoritma k-means dalam menentukan tingkat kepuasan pembelajaran online pada masa pandemi covid-19,” J. Teknol. Inf., vol. 4, no. 1, pp. 101–105, Jun. 2020.

N. Afni Syahpitri Damanik, M. Prodi Sistem Informasi, S. Royal, P. Sistem Informasi, and P. Manajemen Informasi, “Penerapan metode clustering dengan algoritma k-means tindak kejahatan pencurian di kabupaten asahan,” J. Comput., vol. 1, no. 1, pp. 7–14, Feb. 2021.

E. Sugiharti and A. Muslim, “On-line clustering of lecturers performance of computer science department of semarang state university using k-means algorithm,” J. Theor. Appl. Inf. Technol., vol. 10, no. 1, 2016.

S. Dewi, S. Defit, and Y. Yunus, “Akurasi Pemetaan Kelompok Belajar Siswa Menuju Prestasi Menggunakan Metode K-Means (Studi Kasus SMP Pembangunan Laboratorium UNP),” J. Sistim Inf. dan Teknol., Sep. 2020, doi: 10.37034/jsisfotek.v3i1.98.

A. Sani, “Penerapan metode k-means clustering pada perusahaan,” J. Ilm. Progr. Pascasarj. Magister Ilmu Komput. STMIK Nusa Mandiri, pp. 1–7, 2018.

T. Soni Madhulatha, “An overview on clustering methods,” vol. 2, no. 4, pp. 719–725, 2012.

R. Hidayati, A. Zubair, A. H. Pratama, and L. Indana, “Analisis Silhouette Coefficient pada 6 Perhitungan Jarak K-Means Clustering,” Techno.Com, vol. 20, no. 2, pp. 186–197, May 2021, doi: 10.33633/tc.v20i2.4556.