PENGELOMPOKAN KARAKTER SISWA DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING (Studi Kasus MTs Arrohman Kedung Langkap Kencong)

Andriani, Oktafia Riana (2020) PENGELOMPOKAN KARAKTER SISWA DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING (Studi Kasus MTs Arrohman Kedung Langkap Kencong). Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text COVER.pdf Download (234kB)
	Text DAFTAR ISI.pdf Download (171kB)
	Text DAFTAR LAMPIRAN.pdf Download (153kB)
	Text KATA PENGANTAR.pdf Download (240kB)
	Text LEMBAR ORISINALITAS.pdf Download (186kB)
	Text LEMBAR PENGESAHAN.pdf Download (287kB)
	Text ABSTRAK.pdf Download (160kB)
	Text ARTIKEL.pdf Download (755kB)
	Text BAB I.pdf Download (422kB)
	Text BAB II.pdf Restricted to Repository staff only Download (560kB) \| Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (447kB) \| Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text BAB V.pdf Restricted to Repository staff only Download (160kB) \| Request a copy
	Text DAFTAR PUSTAKA.pdf Download (168kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

Pendidikan karakter pada dasarnya adalah suatu proses pendidikan yang bertujuan untuk membangun karakter siswa. Setiap siswa memiliki karakter yang berbeda-beda. Dengan perbedaan karakter yang dimiliki siswa akan muncul permasalahan di dalam kelas, salah satunya yaitu sulitnya proses belajar karena materi yang akan diberikan kepada siswa juga berbeda. Sehingga pengelompokan siswa dengan karakter yang serupa merupakan hal yang penting dalam rangka meningkatkan kualitas proses belajar mengajar. Di MTs Arrohman Kedung Langkap Kencong telah dilakukan penilaian karakter terhadap siswanya dengan beberapa atribut penilaian. Dari hasil penilaian tersebut dapat dilakukan pengelompokan karakter siswa yang serupa untuk meningkatkan efektivitas proses belajar mengajar. Salah satu algoritma yang dapat dilakukan untuk pengelompokan karakter siswa ini adalah algoritma K-Means Clustering. Terdapat 6 atribut yang digunakan dalam penelitian ini yaitu jujur, disiplin, peduli, kreatif, tanggung jawab dan percaya diri. Data yang digunakan sebanyak 130 data siswa yang terbagi dalam kelas VII, VIII, dan IX. Hasil pengujian data berdasarkan kelas menghasilkan cluster terbaik setiap kelas yang dihitung menggunakan RapidMiner dan didapatkan nilai DBI sebagai berikut : kelas VII cluster terbaik yaitu 3 cluster (cluster 1 terdapat 27 siswa, cluster 2 terdapat 9 siswa, dan cluster 3 terdapat 15 siswa) dengan nilai DBI sebesar 0,822. Selanjutnya kelas VIII cluster terbaik yaitu 2 cluster (cluster 1 terdapat 35 siswa, dan cluster 2 terdapat 17 siswa) dengan nilai DBI sebesar 0,714. Dan kelas IX cluster terbaik yaitu 2 cluster (cluster 1 terdapat 20 siswa, dan cluster 2 terdapat 7 siswa) dengan nilai DBI sebesar 0,716. Kata kunci : Data Mining, K-Means, pendidikan karakter.

Item Type:

Thesis (Undergraduate)

Subjects:

600 Technology and Applied Science > 620 Engineering > 622 Mining and Related Operations

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

Oktafia Riana Andriani

Contributors: