Shofiana, Laili Amalia (2015) Aplikasi K-Means untuk Pengelompokan Siswa Pendidikan Anak Usia Dini (PAUD) Berdasarkan Data Siswa di Kecamatan Ledokombo. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.
|
Text
JURNAL.pdf Download (154kB) | Preview |
|
![[img]](http://repository.unmuhjember.ac.id/style/images/fileicons/text.png) |
Text
COVER DAN PENDAHULUAN.pdf Download (223kB) |
|
|
Text
abstrak.pdf Download (49kB) |
|
|
Text
BAB I.pdf Download (154kB) |
|
|
Text
BAB II.pdf Restricted to Repository staff only Download (503kB) |
|
|
Text
BAB III.pdf Restricted to Repository staff only Download (147kB) |
|
|
Text
BAB IV.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
BAB V.pdf Restricted to Repository staff only Download (86kB) |
|
|
Text
DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (123kB) |
Abstract
Pendidikan anak usia dini (PAUD) adalah jenjang pendidikan sebelum jenjang pendidikan dasar yang merupakan suatu upaya pembinaan yang ditujukan bagi anak sejak lahir sampai dengan usia enam tahun. Penelitian ini berusaha untuk mengelompokan siswa berdasarkan umur dan kemampuan. Pengelompokkan data dilakukan dengan menggunakan metode Clustering K-Means yaitu dengan mengelompokan data berdasarkan umur dan kemampuan (membaca, menulis, menghitung, dan menghafal). Algoritma k-means merupakan algoritma yang membutuhkan parameter input sebanyak k dan membagi sekumpulan n objek kedalam k cluster sehingga tingkat kemiripan antar anggota dalam satu cluster tinggi sedangkan tingkat kemiripan dengan anggota pada cluster lain sangat rendah. Hasil dari pengujian sistem, diperoleh tiga kelompok siswa berdasarkan umur dan kemampuan yaitu, 215 siswa kelompok A, 125 siswa kelompok B, dan 120 siswa kelompok C. Uji coba terhadap 460 data dengan jumlah klaster yang sama, jika suatu klaster tingkat kemiripan yang tinggi, maka rata – rata yang dihasilkan juga memiliki tingkat kemiripan yang tinggi. Hasil perhitungan dataset dengan metode K-Means. Perbedaan hasil program k-means terjadi karena prbedaan inisialisasi centroid pertama. Metode k-means sangat sensitif terhadap inisialisasi centroid awal, sehingga hasil cluster yang dihasilkan berbeda.
| Item Type: | Thesis (Undergraduate) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Uncontrolled Keywords: | Clustering, K-Means, PAUD | |||||||||
| Subjects: | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science | |||||||||
| Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | |||||||||
| Department: | ["eprint_fieldopt_department_KODEPRODI55201#TEKNIKINFORMATIKA" not defined] | |||||||||
| Depositing User: | Hendri UF | |||||||||
| Contributors: |
|
|||||||||
| Date Deposited: | 27 Jul 2019 09:19 | |||||||||
| Last Modified: | 28 Nov 2019 06:50 | |||||||||
| URI: | http://repository.unmuhjember.ac.id/id/eprint/2192 |
Actions (login required)
 |
View Item |