Implementation of Data Mining for Clustering Students Using the K-Medoids Method
DOI:
https://doi.org/10.71302/jbidai.v7i2.61Keywords:
clustering, data mining, k-medoids, manhattan, minkowskiAbstract
Clustering merupakan suatu proses pengelompokkan data, observasi atau atau mengelompokkan kelas yang memiliki kesamaan objek. Pondok pesantren daarul ilmi boarding school juga harus melakukan pengelompokkan atau clustering terhadap santri santrinya untuk memaksimalkan proses pengajaran. Pondok pesantren tersebut belum memiliki sebuah aplikasi komputer untuk pengelompokkan santri sehingga sering terjadi kesalahan dalam menempatkan santri sesuai kriteria yang telah ditetapkan oleh pihak pesantren. Proses pengelompokkan santri dilakukan berdasarkan nilai ahlak, ibadah, rata-rata nilai raport, prestasi dan nilai tahfidz. Proses pemberian nilai yang dilakukan masih bersifat subjektif, artinya pemberian nilai didasarkan atas pemberian nilai dari guru pengampu mata pelajaran tertentu, sehingga penelitian ini bertujuan untuk membantu menentukan keputusan pengelompokkan santri secara objektif. Penelitian ini menggunakan Algoritma K-Medoids atau yang biasa disebut dengan Partitioning around method (PAM). Penelitian ini menggunakan 54 data santri yang aktif pada tahun ajaran 2021/2022 dimana santri akan dikelompokkan dalam kelas murtafi dan mumtaz. Penelitian ini meliputi tahap penentuan jumlah cluster, pemilihan medoid awal secara acak, menghitung jarak masing-masing objek menggunakan manhattan dan minkowski distance serta menghitung total simpangan. Berdasarkan uji coba program yang dilakukan, penelitian ini berhasil mengelompokkan santri ke dalam kelas murtafi dan mumtaz. Berdasarkan perhitungan jarak menggunakan manhattan, 15 santri masuk dalam kelas murtafi dan 39 santri masuk dalam kelas mumtaz, sedangkan jika menggunkan perhitungan jarak minkowski, 14 santri masuk dalam kelas murtafi dan 40 santri masuk dalam kelas mumtaz. Dari evaluasi menggunakan Davies Bouldin Index (DBI) terhadap hasil cluster santri tersebut pengukuran jarak menggunakan manhattan lebih baik dibanding dengan minkowski dimana nilai DBI manhattan sebesar -0,0869.
References
[1] Kaur, Noor K, Singh and Dheerendra,, "K-Medoids Clustering Algorithm A Review, International," Journal Of Computer Application and Technology, ISSN.2349-1841, vol. 1, no. 1, April 2014.
[2] R. N. Ibrahim, M. N. Hayati and F. D. T. Amijaya, "Penerapan Algoritma K-Medoids pada Pengelompokan Wilayah Desa atau Kelurahan di Kabupaten Kertanegara," Jurnal EKSPONENSIAL, Vols. 11, No.2, pp. 153-157, 2020.
[3] W.Kurniawan, A.Rifai, W.Gata, D.Gunawan, “Analisis Algoritma K-Medoids Clustering dalam Menentukan Pemesanan Hotel,” Swabumi, Vol. %1 dari %28, No.2, 2020.
[4] E.Rahmah, E.Haerani, A.Nazir and S.Ramadhani, “Penerapan Algoritma K-Medoids Clustering untuk Menentukan Strategi Promosi pada Data Mahasiswa,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. Vol. 5 No. 3, Juni 2022.
[5] I.Kamila, U.Khairunnisa and Mustakim, “Perbandingan Algoritma K-Medoids untuk Pengelompokkan Data Transaksi Bongkar Muat di Propinsi Riau,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 5, pp. 119-125, 2019.
[6] Y. Miftahuddin and S. Umaroh, "Perhitungan Euclidean, Haversine, dan Manhattan dalam Penentuan Posisi Karyawan," 2020.
[7] M. S. Pangestu and M. A. Fitriani, "Perbandingan Perhitungan Jarak Euclidean Distance, Manhattan Distance dan Cosine Similarity dalam Pengelompokan Data Bibit Padi Menggunakan Algoritma K-Means," Sainteks, Vols. 19, No.2, pp. 141-155, 2022.
[8] Trivusi, "Pengertian dan Jenis-jenis Distance Metric pada Machine Learning," [Online]. Available: https://www.trivusi.web.id/2022/06/jenis-distance-metric.html. [Accessed 3 November 2022].
[9] M. Nishom, "Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering Berbasis Chi-Square," Jurnal Informatika: Jurnal Pengembangan IT (JPIT), Vols. 4, No.1, pp. 20-24, 2019.
[10] Warisa and Nurahman, "Perbandingan Performa Cluster Model Algoritma K-Means dalam Mengelompokkan Penerima Bantuan Program Keluarga Harapan," Jurnal Sistem Informasi Bisnis, pp. 20-28, 2023.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
