Penerapan Fuzzy C-Means untuk Pengelompokkan Tingkat Kualitas Pendidikan di Jawa Timur

Nurissaidah Ulinnuha; Dian Candra Rini Novitasari; Achmad Resnu Maulana

doi:10.24176/simet.v14i2.9442

Penerapan Fuzzy C-Means untuk Pengelompokkan Tingkat Kualitas Pendidikan di Jawa Timur

Nurissaidah Ulinnuha
Dian Candra Rini Novitasari
Achmad Resnu Maulana

Abstract

Salah satu faktor yang menentukan apakah perkembangan manusia itu positif atau negatif adalah pendidikan. Khususnya Provinsi Jawa Timur yang memiliki angka kesenjangan mutu pendidikan antar daerah dan Lembaga. Penelitian ini bertujuan untuk untuk mengelompokkan kualitas pendidikan pada kota/kabupaten di Jawa Timur berdasarkan sejumlah parameter yaitu, angka partisipasi sekolah kasar, angka partisipasi murni, rata-rata lama sekolah, angka melek huruf. Metode clustering pada penelitian ini menggunakan algoritma Fuzzy C-Means. Didapatkan cluster terbaik 0.65 dengan 2 cluster. Berdasarkan kualitas pendidikan, temuan mengungkapkan bahwa Jawa Timur terbagi menjadi dua cluster kota/kabupaten: cluster 1 (dengan tingkat kualitas pendidikan tinggi) dengan 14 anggota, dan cluster 2 (dengan tingkat pendidikan rendah) dengan 24 anggota.

Keywords

clustering; Fuzzy C-Means; pendidikan

Teks Lengkap:

PDF

Referensi

[1] Kominfo, “Dinas Kominfo Pemprov Jawtim,” kominfo, surabaya, 2022.

[2] Amaluddin, “Dinas Kominfo Pemprov Jawtim,” med.com, 2022. https://kominfo.jatimprov.go.id/berita/ketua-dpd-ri-minta-pemerintah-buat-kebijakan-tekan-kesenjangan-pendidikan

[3] P. N. Agustina, “Perbandingan Algoritma K-Means Dengan Algoritma Fuzzy C-Means Untuk Clustering Tingkat Kedisiplinan Kinerja Karyawan,” J. Resti, vol. 2, no. 3, pp. 621–626, 2018.

[4] R. K. E. Prabowo, “Optimasi Algoritma Fuzzy Clustering dengan Menggunakan Algoritma Forest Optimation,” Inf. Syst. Dev., vol. 4, no. 1, pp. 1–6, 2019.

[5] N. Ulinnuha, “Provincial Clustering in Indonesia Based on Plantation Production Using Fuzzy C-Means,” J. Ilm. Teknol., vol. 1, no. 1, pp. 8–12, 2020.

[6] Y. N. A. Franklyn, “Pengelompokkan Performa Pemain Basket Dengan Seleksi Fitur Nilai StatistikMenggunakan K-means dan Fuzzy C-means,” J. Penerapan Teknol. Inf. dan Komun., vol. 1, no. 1, pp. 166–178, 2022.

[7] Yoahannes, “Analisis Perbandingan Algoritma Fuzzy C-Means,” vol. 2, no. 1, pp. 151–155, 2016.

[8] T. Jaya, “Sistem Pemilihan Perumahan dengan Metode Kombinasi Fuzzy C-Means dan Simple Additive Weighting,” J. Sist. Inf. Bisnis, vol. 1, pp. 153–158, 2018.

[9] N. L. G. P. Suwiramayanti, “"Penerapan Metode Fuzzy C-Means Untuk Pengelompokan Data Kredit,” Semin. Nas. Sist. Inf. dan Teknol. Inf., pp. 390–395.

[10] G. W. N. S. H. Rusnedy, “Identifikasi Tingkat Pemakaian Obat Menggunakan Metode Fuzzy C-Means,” J. Inf. dan Teknol., vol. 3, no. 4, pp. 196–200, 2021.

[11] U. E. N. N. F. R. D. S. A., “Pengelompokkan Data Kemiskinan Provinsi Jawa Barat Menggunakan Algoritma K-Means dengan Silhouette Coefficient West Java Province Poverty Data Grouping Using the K-Means Algorithm with Silhouette Coefficient,” J. Teknol. Inf. Komun., vol. 9, no. 1, pp. 29–35, 2022.

[12] H. A. S. Paembonan, “Penerapan Metode Silhouette Coeficient Untuk Evaluasi Clustring Obat,” J. Ilm. Ilmu Tek., vol. 6, no. 2, p. 50.

[13] A. S. I. D. S. A. Supriadi, “Two Step Cluster Application to Classify Villages in KabupatenMadiun Based on Village Potential Data,” J. Stat., vol. 10, no. 1, pp. 12 – 16,.

[14] D. C. R. Novitasari, “Analisis Clustering pada Data Luas Grup Sunspot yang Membangkitkan Flare Soft X-Ray (SXR) Menggunakan Fuzzy C-Mean,” Snr. Penelit. Semin. Nas. Mat. Ke 11 Univ. Gadjah Mada, pp. 108–117.

DOI: https://doi.org/10.24176/simet.v14i2.9442