DATA MINING PENERAPAN METODE K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN PENERIMA BANTUAN KARTU INDONESIA PINTAR ( STUDI KASUS DI UNIVERSITAS MUSI RAWAS)

Siska Aprilia; Elmayati Elmayati; Ahmad Sobri

A. Rahman, S. A. Munandar, A. Fitriani, Y. Karlina, and Yumriani, “Pengertian Pendidikan, Ilmu Pendidikan dan Unsur-Unsur Pendidikan,” Al Urwatul Wutsqa Kaji. Pendidik. Islam, vol. 2, no. 1, pp. 1–8, 2022.
N. E. Rohaeni and O. Saryono, “Implementasi Kebijakan Program Indonesia Pintar ( PIP ) Melalui Kartu Indonesia Pintar ( KIP ) dalam Upaya Pemerataan Pendidikan,” J. Educ. Manag. Adm. Rev., vol. 2, no. 1, pp. 193–204, 2018.
D. Setya, “Cara Daftar dan Syarat Lengkap KIP Kuliah 2022 untuk PTS,” 2022. https://www.detik.com/edu/beasiswa/d-6217704/cara-daftar-dan-syarat-lengkap-kip-kuliah-2022-untuk-pts-buruan-registrasi-ya#:~:text=Syarat KIP Kuliah 2022,2.
L. Vinet and A. Zhedanov, “A ‘missing’ family of classical orthogonal polynomials,” J. Phys. A Math. Theor., vol. 44, no. 8, pp. 1689–1699, 2011, doi: 10.1088/1751-8113/44/8/085201.
Y. D. Darmi and A. Setiawan, “Penerapan Metode Clustering K-Means Dalam Pengelompokan Penjualan Produk,” J. Media Infotama, vol. 12, no. 2, pp. 148–157, 2017, doi: 10.37676/jmi.v12i2.418.
Y. Sarvina, “Pemanfaatan Software Open Source ‘R’ Untuk Penelitian Agroklimat,” Inform. Pertan., vol. 26, no. 1, p. 23, 2017, doi: 10.21082/ip.v26n1.2017.p23-30.
Karsito and W. Monika Sari, “Prediksi Potensi Penjualan Produk Delifrance Dengan Metode Naive Bayes Di Pt. Pangan Lestari,” J. Teknol. Pelita Bangsa, vol. 9, no. 1, pp. 67–78, 2018.
F. Marisa, “Educational Data Mining (Konsep dan Penerapan),” J. Teknol. Inf., vol. 4, no. 2, pp. 91–93, 2013.
Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2019.
C. Siadari, “Pengertian Penerapan Menurut Para Ahli,” kumpulanpengertian, 2020. https://www.kumpulanpengertian.com/2020/09/pengertian-penerapan-menurut-para-ahli.html (accessed Nov. 20, 2022).
A. Goleman, daniel; Boyatzis, Richard; Mckee and Perdana, “Konsep Character, Capacity, Capital, Condition of Economy dan Colleteral,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2018.
R. Restiyani, “Penerapan Akad Murabah Pada Bank Muamalat Indonesia TBK.,” pp. 4–12, 2021.
Cermati.com, “Kartu Indonesia Pintar: Apa itu, Manfaat, dan Siapa Berhak Menerima,” 2015. https://www.cermati.com/artikel/kartu-indonesia-pintar-apa-itu-manfaat-dan-siapa-berhak-menerima (accessed Nov. 20, 2022).
Y. Syahra, “Penerapan Data Mining Dalam Pengelompokkan Data Nilai Siswa Untuk Penentuan Jurusan Siswa Pada SMA Tamora Menggunakan Algoritma K-Means Clustering,” vol. 17, no. 2, pp. 228–233, 2018.
P. Penerimaan and M. Baru, “Yunita, Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru (Studi Kasus : Universitas Islam Indragiri) 1 238,” vol. 7, no. September, pp. 238–249, 2018.
A. Rohmah, F. Sembiring, and A. Erfina, “IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING ANALYSIS UNTUK MENENTUKAN HAMBATAN PEMBELAJARAN DARING ( STUDI KASUS : SMK YASPIM GEGERBITUNG ),” pp. 290–298, 2021.
J. Jendral and A. Yani, “PENERAPAN DATA MINING PADA PENJUALAN MENGGUNAKAN METODE CLUSTERING STUDY KASUS PT . INDOMARCO,” pp. 1–11.
H. O. L. Wijaya, A. A. T. S, A. Armanto, and W. M. Sari, “Prediksi Pola Penjualan Barang pada UMKM XYZ dengan Metode Algoritma Apriori,” J. Sist. Komput. dan Inform., vol. 3, no. 4, p. 432, 2022, doi: 10.30865/json.v3i4.4200.

Abstract viewed - 217 times
PDF downloaded - 173 times

Affiliations

Siska Aprilia
Universitas Bina Insan

Elmayati Elmayati
Universitas Bina Insan

Ahmad Sobri
Universitas Bina Insan

Content Top

DATA MINING PENERAPAN METODE K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN PENERIMA BANTUAN KARTU INDONESIA PINTAR ( STUDI KASUS DI UNIVERSITAS MUSI RAWAS)

Siska Aprilia ,
Elmayati Elmayati ,
Ahmad Sobri

Proceedings Economic, Social Science, Computer, Agriculture and Fisheries (ESCAF) 2nd 2023

Submitted: Jun 26, 2023

Abstract

Masalah dalam penelitian ini adalah belum meratanya pembagian KIP yang dilakukan oleh Universits Musi Rawas dan kesulitan mengelompokkan data mahasiswa untuk menentukan prioritas utama dalam penerima bantuan KIP menjadi kendala bagi pihak kampus dalam menghitung setiap data dan menjadikan waktu kurang efektif dan efisien. Metode penelitian yang digunakan adalah metode analisis dengan melakukan pengelompokkan menggunakan k-means clustering. Teknik pengumpulan data yang digunakan adalah observasi, wawancara, dokumentasi, dan studi pustaka. Hasil penelitian ini adalah clustering menggunakan program Rstudio. Clustering dilakukan dengan beberapa proses dan library dalam program agar algoritma clustering dapat dijalankan. Proses clustering dilakukan dengan mempersiapkan dataset berupa data mahasiswa penerima KIP Universitas Musi Rawas Tahun 2022. Kemudian mempersiapkan library di dalam program Rstudio sesuai dengan keperluan, seperti cluster, factoextra, ggplot2, dan tidyverse. Proses selanjutnya yang dilakukan adalah import data dari excel ke Rstudio. Import dilakukan dengan mengcopy data dari excel kemudian membentuk kode di dalam Rstudio yang dapat membaca data yang kita copy dengan perintah read.delim. Kemudian menampilkan data hasil import ke dalam bentuk tabel dan dalam bentuk deskripsi. Setelah data berhasil ditampilkan, langkah selanjutnya adalah melakukan transformasi data. Setelah proses transformasi selesai, langkah selanjutnya yaitu menampilkan data hasil transformasi. Proses selanjutnya yaitu menentukan jumlah cluster dengan k-means. Kemudian menampilkan hasil clustering dalam bentuk grafik dan tabel. Langkah terakhir yang dilakukan adalah melihat deskripsi hasil data clustering berdasarkan cluster. Nilai rata-rata tertinggi untuk program studi berada pada cluster 2 sebesar 6,09. Nilai rata-rata tertinggi untuk jumlah saudara berada pada cluster 1 sebesar 3,85. Nilai rata-rata tertinggi untuk penghasilan orang tua berada pada cluster 4 sebesar 25000000. Nilai rata-rata tertinggi untuk pekerjaan orang tua berada pada cluster 4 sebesar 5. Nilai rata-rata tertinggi untuk status orang tua berada pada cluster 3 sebesar 2.