PENERAPAN CLUSTERING PADA RATA-RATA LAMA SEKOLAH DI PROVINSI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS DAN FUZZY C-MEANS
Article Sidebar
Read Counter : 1
Download : 3
Main Article Content
Abstract
The school is part of the teaching system aimed at facilitating the development of human capacity quality. To cluster data into groups or clusters, two clustering algorithms are used: K-Means and FCM. The dataset is collected from the Central Statistics Agency, consisting of 582 provinces/regencies/cities in Indonesia. The findings of this study indicate that the FCM algorithm produces an average silhouette score of 0.5369645 after conducting 10 experiments. K-Means is simpler and faster, making it suitable for large datasets, while FCM provides flexibility with fuzzy membership, making it more suitable for datasets with unclear group boundaries. Both algorithms yield stable results in the experiments; however, the FCM clustering algorithm is slightly superior to the K-Means algorithm in terms of silhouette score, although the difference is not significant.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Menawarkan akses terbukaReferences
[1] N. I. Fitri Hayati, “Karakteristik Perkembangan Siswa Sekolah Dasar : Sebuah Kajian Literatur,” Jurnal Pendidikan Tambusai, vol. 5, 2021.
[2] Z. H. R. Mitha Amelia, “Impelementasi Pendidikan Karakter Melalui Budaya Sekolah di Sekolah Dasar,” JURNAL BASICEDU, vol. 5, 2021.
[3] D. N. Risdo Rolita Simanjorang, “FUNGSI SEKOLAH,” Jurnal Pendidikan Sosial dan Humaniora, vol. 2, 2023.
[4] N. I. Riri Zulvira, “Karakteristik Siswa Kelas Rendah Sekolah Dasar,” Jurnal Pendidikan Tambusai, vol. 5(1), pp. 1846-1851, 2021.
[5] A. A. N. A. P. W. A. W. E. I. Siti Hajar, “Penerapan K-Means Clustering Pada Ekspor Minyak Kelapa Sawit Menurut Negara Tujuan,” Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), pp. 314-318, 2020.
[6] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” JURNAL ILMIAH INFORMATIKA DAN ILMU KOMPUTER (JIMA-ILKOM), vol. 3 Nomor 1, pp. 40-56, 2024.
[7] S. D. S. Andri Nofiar Am, “Penentuan Mutu Kelapa Sawit Menggunakan Metode K-Means Clustering,” Jurnal KomTekInfo, vol. 5 No 3, pp. 1-9, 2019.
[8] N. S. F. R. A. Nurfidah Dwitiyanti, “Penerapan Fuzzy C-Means Cluster dalam Pengelompokkan Provinsi Indonesia Menurut Indikator Kesejahteraan Rakyat,” Faktor Exacta, vol. 3, pp. 201-209, 2019.
[9] L. H. Brian Christian, “Penerapan Algoritma Fuzzy C-Means Pada Penentuan Lokasi Gudang Pendukung PT. XYZ,” JURNAL TEKNOLOGI INFORMASI, vol. 16 No 1, pp. 31-48, 2019.
[10] A. P. W. I. S. D. I. G. Khairunnissa Fanny Irnanda, “Penerapan K-Means pada Proporsi Individu dengan Keterampilan (Teknologi Informasi Komunikasi) TIK Menurut Wilayah,” Seminar Nasional Sains & Teknologi Informasi (SENSASI), pp. 452-456, 2019.
[11] S. D. S. Haris Kurniawan, “Data Mining Menggunakan Metode K-Means Clustering untuk Menentukan Besaran Uang Kuliah Tunggal,” JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY (JACOST), vol. 1 No 2, pp. 80-89, 2020.
[12] S. D. Y. Y. Ismail Virgo, “Kelompokisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering,” Jurnal Sistem Informasi dan Teknologi, vol. 2 No 1, pp. 23-28, 2020.
[13] D. C. R. N. M. H. Aldi Rizal, “Pengelompokkan Karyawan Berdasarkan Kesalehan Menggunakan Perbandingan Fuzzy C-Means, K-Means, dan Probabilistic Distance Clustering,” JURNAL FOURIER, vol. 11 No 2, pp. 69-77, 2022.
[14] N. Ulinnuha, “Provincial Clustering in Indonesia Based on Plantation,” ITSMART: Jurnal Teknologi dan Informasi, vol. 9 No 1, 2020.
[15] M. F. F. F. J. F. Y. I. U. R. G. Hamdi Syukron, “Perbandingan K-Means K-Medoidsdan Fuzzy C-Meansuntuk Pengelompokan Data Pelanggandengan Model LRFM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 2, no. 2, pp. 76-83, 2022.
[16] K. D. H. Anggara Cahya Putra, “Optimalisasi Penyaluran Bantuan Pemerintah Untuk UMKM Menggunakan Metode Fuzzy C-Means,” JURNAL RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 3, pp. 474-482, 2021.
[17] U. A. R. L. H. Ira Halimatuz Zahro, “Implementasi Algoritma Fuzzy C-Meansuntuk Pengelompokkan Provinsi di Indonesia Berdasarkan Kualitas Perguruan Tinggi,” BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer, vol. 5, no. 1, pp. 80-86, 2024.
[18] S. N. H. N. A. Rozzi Kesuma Dinata, “Analisis K-Means Clustering pada Data Sepeda Motor,” INFORMAL Informatics Journal, vol. 5, no. 1, pp. 10-17, 2020.
[19] U. K. Krisman Pratama Simanjuntak, “Pengelompokkan Titik Api di Provinsi Jambi dengan Algoritma Agglomerative Hierarchical Clustering,” MALCOM: Indonesian Journal ofMachine Learningand Computer Science, vol. 1, no. 1, pp. 7-16, 2021.
[20] Y. F. R. Christopher Kevin Herijanto, “PERBANDINGAN ALGORITME K-MEANS CLUSTERING DAN FUZZY C-MEANS UNTUK PENENTUAN STRATEGI PROMOSI UNIVERSITAS KATOLIK DARMA CENDIKA,” JATI(Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 3, pp. 3931-3937, 2024.
[21] S. M. M. R. S. Febby Arisca Zurfani, “Analisis Metode Clustering K-Meanspada Zonasi Daerah Terdampak Banjir di Kota Medan dengan Evaluasi Silhouette Coefficient,” Algoritma: Jurnal Matematika, Ilmu pengetahuan Alam, Kebumian dan Angkasa, vol. 2, no. 6, pp. 170-181, 2024.
[22] F. I. S. A. L. A. Syahrul Mulyadi, “Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Mini Batch K-Means Clustering,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 3, pp. 1051-1062, 2024.
[23] L. M. D. G. Hadi Syahputra, “Clustering Tingkat Penjualan Menu (Food and Beverage)Menggunakan Algoritma K-Means,” Jurnal KomtekInfo, vol. 9, no. 1, pp. 29-33, 2022.
[24] M. Mirhan Siregar, “Analisis Perilaku Sosial Masyarakat Terhadap Pandemi Menggunakan Metode Fuzzy C-Means,” Journal of Information Systems and Technology, vol. 1, no. 2, pp. 75-82, 2024.
[25] N. K. Zuhal, “Study Comparison K-Means Clustering dengan AlgoritmaHierarchical Clustering,” PROSIDING SEMINAR NASIONAL TEKNOLOGI DAN SAINS, vol. 1, pp. 200-205, 2022.