PENERAPAN ALGORITMA K-MEANS UNTUK PENGELOMPOKAN SISWA LOLOS SNMPTN DI SMAN 8 BANDUNG

Abstract

Pendidikan merupakan hal yang sangat penting, dengan adanya perguruan tinggi maka semakin meningkatkan kualitas pendidikan di Indonesia. Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) merupakan sebuah seleksi nasional yang didasarkan pada nilai rapor dan prestasi. Hal ini juga yang menyebabkan SNMPTN banyak diminati. Siswa yang mengikuti SNMPTN harus menentukan jurusan dan universitas yang tepat agar diterima karena daya tampung SNMPTN terbatas. Pada penelitian ini menggunakan algoritma K-Means dengan tujuan untuk memperoleh informasi mengenai perguruan tinggi mana yang paling banyak diminati oleh siswa siswinya. K- Means merupakan salah satu algoritma yang paling populer karena mudah dan sederhana ketika diimplementasikan. K-Means digunakan untuk mengelompokan data yang memiliki kemiripan. Data yang digunakan berjumlah 86 data. Berdasarkan validasi menggunakan metrik Davies Bouldin Index maka diperoleh 2 cluster yang dinilai dapat mengelompokan data dengan baik. Performance Vector hasil evalusi cluster yang dibentuk sebanyak 2 cluster dengan hasil 0,558. Cluster 1 dengan jumlah 46 items dan cluster 2 dengan jumlah 40 items.