Penggunaan X-Means Clustering Method untuk Mengelompokkan Potensi Sekolah Menengah Unggul di Kabupaten Banyumas

Main Article Content

aditya wijayanto

Abstract

Sekolah menengah merupakan salah satu jenjang pendidikan yang diwajibkan pemerintah dalam program wajib belajar Sembilan tahun. Maka dari itu informasi pengelompokan sekolah mengah sangat penting untuk pengembangan maupun revitalisasi dari pendidikan pada jenjang tersebut. Salah satu metode yang dapat digunakan adalah metode X-means clustering. Metode X-Means clustering merupakan salah satu penyempurnaan dari metode K-Means clustering. Metode X-means digunakan pada penelitian ini karena dapat membagi cluster secara optimal dengan menggunakan nilai Bayesian Information Criterion (BIC). Penelitian ini menggunakan 118 data sekolah se-kabupaten Banyumas yang diambil dari pangkalan data kemendikbud. Hasil dari penelitian ini adalah empat buah cluster dengan nilai Davis Bouldin Index sebesar 0.846 dengan kelompok sekolah unggul sebanyak 28 sekolah, kelompok baik sebanyak 26 sekolah, kelompok cukup sebanyak 43 sekolah dan kelompok kurang sebanyak 21 sekolah.

Article Details

How to Cite
wijayanto, aditya. (2019). Penggunaan X-Means Clustering Method untuk Mengelompokkan Potensi Sekolah Menengah Unggul di Kabupaten Banyumas. Journal of Informatics, Information System, Software Engineering and Applications (INISTA), 2(1), 80-88. https://doi.org/10.20895/inista.v2i1.99
Section
Articles

References

[1] Everitt. 1993. Cluster Analysis. Edward Arnold. London
[2] Ghozali. Imam, 2009. Aplikasi Analisis Multivariate dengan Program SPSS. Badan Penerbit Universitas Diponegoro. Vol. 100-125. Semarang.
[3] Murniati S, 2012. Pengertian Fungsi dan Jenis Lingkungan Pendidikan. Lingpendidikan.com. Palembang.
[4] Pengkab Banyumas, 2017. Perubahan Rencana Strategis Tahun 2013-2018 Dinas Sumber Daya Air dan Bina Marga Kabupaten Banyumas menjadi Rencana Strategis Tahun 20172018 Dinas Pekerjaan Umum Kabupaten Banyumas. Dinas Pekerjaan Umum Pemerintah Kabupaten Banyumas. Banyumas.
[5] Pelleg, Dan dan Moore, Andrew. 2000. X-means: Extending K-means with Efficient Estimation of the Number of Clusters. Pittsburgh : Carnegie Mellon University, 2000.
[6] Pelleg, Dan. 2004. K-means and KD-trees resources. Dan Pelleg's Home Page. [Online] National Science Foundation, Agustus 13, 2004. [Cited: Januari 3, 2009.] http://www.cs.cmu.edu/~dpelleg/K-means.html.
[7] Purnama D. 2010. Cermat Memilih Sekolah Menengah yang Tepat. Gagas Media. Jakarta.
[8] Russel, S. and Norvig, P. 2010. Artificial Intelligence: A Modern Approach. 3rd Edition, Prentice Hall, Upper Saddle River.
[9] Soraya, Yani, 2011, Perbandingan Kinerja Metode Single Linkage, Metode Complete Linkage, dan Metode K-Means dalam Analisis Cluster, Jurusan Matematika Fakultas MIPA Universitas Negeri Semarang, Semarang.
[10] Supranto. J, 2004, Analisis Multivariate: Arti dan Interpretasi, Rineka Cipta, Jakarta.
[11] Tan P, Steinbach M, Kumar V. 2006. Introduction to Data Mining. Pearson AddisonWeasley
[12] Robert E. Kass and Larry Wasserman. A reference Bayesian test for nested hypotheses and its relationship to the Schwarz criterion. Journal of the American Statistical Association, 90(431):928–934, 1995.