CLUSTER ANALISIS PESERTA OLIMPIADE DI SMK PERGURUAN RAKYAT 2 MENGGUNAKAN NOCODE DATA ANALITIK

• WILDA SANTI

---

ABSTRAK

Penelitian ini bertujuan untuk melakukan analisis cluster pada data nilai siswa dari semester satu hingga empat guna mengidentifikasi siswa/siswi yang memiliki tingkat kecerdasan yang berbeda, yaitu pintar, pintar sedang, dan sangat pintar. Tujuan akhirnya adalah untuk memilih siswa/siswi yang akan diikutsertakan dalam acara Olimpiade. Metode analisis cluster digunakan sebagai pendekatan dalam penelitian ini untuk mengelompokkan siswa/siswi berdasarkan kinerja akademik mereka. Pendekatan ini memungkinkan pengelompokan yang efektif tanpa memerlukan pengetahuan atau pengalaman pemrograman yang mendalam. Data yang digunakan dalam penelitian ini adalah nilai siswa dari semester satu hingga empat yang mencakup berbagai mata pelajaran. Data ini diperoleh dari catatan resmi sekolah yang mencatat pencapaian akademik siswa. Analisis cluster dilakukan dengan menggunakan algoritma k-means clustering yang diimplementasikan menggunakan metode analitik data. Hasil analisis ini menghasilkan kelompok-kelompok siswa/siswi berdasarkan tingkat kecerdasan mereka, yaitu pintar, pintar sedang, dan sangat pintar. Hasil dari penelitian ini memberikan informasi yang berharga bagi pihak sekolah dalam memilih siswa/siswi yang akan diikutsertakan dalam acara Olimpiade. Hal ini akan memungkinkan pengembangan potensi siswa/siswi yang lebih terarah dan memberikan kesempatan kepada mereka yang memiliki tingkat kecerdasan yang lebih tinggi untuk berpartisipasi dalam kompetisi tingkat lebih lanjut.

KATA KUNCI

Analisis cluster,Data nilai siswa,Kecerdasan,Olimpiade,Metode analitik data

---

DAFTAR PUSTAKA

[1] (Thomas-Gabriel, n.d.).

[2] (Afif & Arif, 2022) Penerapan Data Mining Untuk Pengelompokan Kelas Siswa Unggulan Berdasarkan Nilai Raport Menggunakan Metode K Means Clustering ( Studi Kasus: SMK Muhammadiyah 3 Weleri ).

[3] (Budiman, 2019) Penerapan Data Mining Untuk Menentukan Lokasi Promosi Penerimaan Mahasiswa Baru Pada Universitas Banten Jaya (Metode K-Means Clustering.

[4] (Pengetahuan & Data, n.d.).

[5] (Eka Ratnawati & Muflikhah, 2014) Pengembangan Metode Klasifikasi Berdasarkan K-means dan LVQ.

[6] (Kuo et al., 2005) Application of Ant K-Means on Clustering Analysis.

[7] (Suhendra & Cs, n.d.) Makalah Pembelajaran Mesin ( Machine Learning).

[8] (Maraza-Quispe et al., 2022) A Predictive Model Implemented in KNIME Based on Learning Analytics for Timely Decision Making in Virtual Learning Environments.

[9] (Utomo D,Mesran M., 2020) Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Dataset Penyakit Jantung.

[10] (Hartanti., 2020) Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional.