Pengelompokkan Data Siswa Yang Layak Menerima Dana Bos Menggunakan Metode K-Medoids
Abstract
Siswa merupakan sekumpulan anak yang melakukan pendidikan di sekolah. Siswa menjadi peranan penting dalam sebuah sekolah. Dalam dunia pendidikan sekolah terdapat bantuan dari Pemerintah yang digunakan untuk operasional. Bantuan tersebut dinamakan dengan Bantuan Operasional Sekolah (BOS). SMP Swasta Taman Asuhan Pematangsiantar merupakan salah satu sekolah mengenah pertama swasta yang ada di Pematangsiantar dengan siswa yang banyak memiliki penerimaan dana BOS. Penerimaan BOS digunakan untuk memudahkan pelaksanaan pendidikan bagi siswa yang tidak mampu namun berprestasi. Siswa yang menerima dana BOS adalah siswa yang benar-benar kurang mampu tapi memiliki prestasi yang baik. Pemilihan siswa yang mendapatkan dana BOS masih menerapakan secara subjektif, untuk itu diperlukan sistem dengan teknik yang dapat mencari permasalahan tersebut. Teknik yang diperlukan untuk menemukan pola tersebut adalah menggunakan Data Mining. Data Mining merupakan proses analisa data untuk menemukan suatu pola dari kumpulan data tersebut. Salah satu teknik yang digunakan adalah Clustering. Teknik dengan metode Clustering ini mampu untuk membuat pengelompokkan berdasarkan atribut-atribut yang dihasilkan. Teknik Clustering yang digunakan menggunakan Metode K-Medoids. Penelitian ini bertujuan untuk pengelompokkan siswa yang layak mendapatkan dana BOS pada SMP Swasta Taman Asuhan Pematangsiantar. Diharapan pihak Sekolah dapat menerapkan hasil yang diperoleh dalam penelitian guna untuk tepat sasaran dalam penerima dana BOS.
Full Text:
Diterima: Revisi MinorReferences
, Y., & Aprina. (2019). Penerapan Metode Preference Selection Index ( PSI ) Dalam Pemberian Dana BOS Pada Siswa Kurang Mampu. Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), 1, 590–597. https://prosiding.seminar-id.com/index.php/sainteks/article/view/203/198
Buulolo, E., Syahputra, R., & Fau, A. (2020). Algoritma K-Medoids Untuk Menentukan Calon Mahasiswa Yang Layak Mendapatkan Beasiswa Bidikmisi di Universitas Budi Darma. Jurnal Media Informatika Budidarma, 4(3), 797. https://doi.org/10.30865/mib.v4i3.2240
Elisa, E. (2017). Analisa dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Mengidentifikasi Faktor-Faktor Penyebab Kecelakaan Kerja Kontruksi PT.Arupadhatu Adisesanti. Jurnal Online Informatika, 2(1), 36. https://doi.org/10.15575/join.v2i1.71
Irawan, Y. (2019). Penerapan Data Mining Untuk Evaluasi Data Penjualan Menggunakan Metode Clustering dan Algoritma Hirarki Divisive. JTIULM, 3(1), 13–20.
Kurniawan, T. A. (2018). Pemodelan Use Case (UML): Evaluasi Terhadap beberapa Kesalahan dalam Praktik. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(1), 77. https://doi.org/10.25126/jtiik.201851610
Laila, F., & Sindar, A. (2019). Penentuan Supplier Bahan Baku Restaurant XO Suki Menggunakan Metode Weighted Product. Jurnal Teknologi Dan Ilmu Komputer Prima (JUTIKOMP), 2(1), 1–4. https://doi.org/10.34012/jutikomp.v2i1.412
Lambertus, S. (2018). Optimasi Kinerja Firewall Menggunakan Teknik Data Mining.
Ningsih, S. R., Damanik, I. S., Windarto, A. P., Tambunan, H. S., Jalaluddin, J., & Wanto, A. (2019). Analisis K-Medoids Dalam Pengelompokkan Penduduk Buta Huruf Menurut Provinsi. Prosiding Seminar Nasional Riset Information Science (SENARIS), 1(September), 721. https://doi.org/10.30645/senaris.v1i0.78
Rofiqi, A. Y. (2017). Clustering Berita Olahraga Berbahasa Indonesia Menggunakan Metode K-Medoid Bersyarat. Jurnal Simantec, 6(1), 25–32.
Saifullah, S., Zarlis, M., Zakaria, Z., & Sembiring, R. W. (2017). Analisa Terhadap Perbandingan Algoritma Decision Tree Dengan Algoritma Random Tree Untuk Pre-Processing Data. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 1(2), 180. https://doi.org/10.30645/j-sakti.v1i2.41
Sindi, S., Ningse, W. R. O., Sihombing, I. A., Ilmi R.H.Zer, P. P. P. A. N. . F., & Hartama, D. (2020). Analisis algoritma K-Medoids clustering dalam pengelompokan penyebaran Covid-19 di Indonesia. JTI (Jurnal Teknologi Informasi), 4(1), 166–173.
Tanjung, Q. (2017). Sistem Penunjang Keputusan Kelayakan Kredit Motor Menggunakan Metode Naive Bayes Pada NSC Finance Cikampek.
Refbacks
- There are currently no refbacks.