Seleksi Penerimaan Beasiswa Dengan Metode K-Means Clustering Menggunakan Orange

Abstract

Beasiswa adalah insentif keuangan yang ditawarkan oleh pemerintah, industri swasta, kedutaan ataupun Lembaga pendidikan. Proses penyeleksian penerimaan beasiswa secara tidak terintegrasi sistem butuh waktu yang lama, tidak efektif dan butuh ketelitian yang tinggi. Oleh karena itu diperlukan suatu metode untuk membantu pihak sekolah dan staf TU dalam menentukan siswa yang layak menerima beasiswa pada tahun berikutnya. Penelitian ini menggunakan metode K-Means clustering dengan tools orange data mining dan mengelompokkannya menjadi 3 cluster. Data yang digunakan adalah data sampel sebanyak 120 data yang telah direkap dari setiap program keahlian. Hasil yang diperoleh penelitian ini adalah setiap cluster akan memiliki anggota masing-masing yaitu cluster 1 dengan presentase 48% memiliki 58 anggota, cluster 2 dengan presentase 33% memiliki 39 anggota dan cluster 3 dengan presentase 19% memiliki 23 anggota. Penelitian ini bertujuan untuk mengetahui jumlah siswa yang termasuk berhak menerima beasiswa, tidak berhak menerima, dan dipertimbangkan.

References

Darlinda and Utamajaya, N. (2022) ‘Sistem Pendukung Keputusan Penerima Beasiswa Program Indonesia Pintar Menggunakan Metode Algoritma K-Means Clustering’, JURIKOM (Jurnal Riset Komputer), 9(2), pp. 167–175. doi:10.30865/jurikom.v9i2.3971.

Dewi, F.P., Aryni, P.S. and Umaidah, Y. (2022) ‘Implementasi Algoritma K-Means Clustering Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran’, JISKA (Jurnal Informatika Sunan Kalijaga), 7(2), pp. 111–121. doi:10.14421/jiska.2022.7.2.111-121.

Manihuruk, N.A. et al. (2020) ‘Penerapan Data Mining Dalam Mengelompokkan Calon Penerima Beasiswa Dengan Menggunakan Algoritma K-Means’, KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 4(1), pp. 29–34. doi:10.30865/komik.v4i1.2575.

Nawawi, M.S., Sembiring, F. and Erfina, A. (2021) ‘Implementasi Algoritma K-Means Clustering Menggunakan Orange Untuk Penentuan Produk Busana Muslim Terlaris’, … Teknologi Informasi dan …, pp. 789–797. Available at: http://prosiding.unipma.ac.id/index.php/SENATIK/article/view/1837%0Ahttp://prosiding.unipma.ac.id/index.php/SENATIK/article/viewFile/1837/1723.

Parlambang, B. and Fauziah (2020) ‘Implementasi Algoritma K-Means Dalam Proses Penilaian Kuesioner Kepada Dosen Guna Mendukung Kepuasan Mahasiswa Terhadap Dosen’, Jurnal Ilmiah Teknologi dan Rekayasa, 25(2), pp. 161–173. doi:10.35760/tr.2020.v25i2.2719.

Rahayu, A.E. et al. (2019) ‘Penerapan K-Means Clustering Untuk Penentuan Klasterisasi Beasiswa Bidikmisi Mahasiswa’, ILKOMNIKA: Journal of Computer Science and Applied Informatics, 1(2), pp. 82–86. doi:10.28926/ilkomnika.v1i2.23.

Rahmah, S.A. and Antares, J. (2022) ‘Klasterisasi Seleksi Mahasiswa Calon Penerima Beasiswa Yayasan Menggunakan K-Means Clustering’, I N F O R M a T I K a, 13(2), p. 25. doi:10.36723/juri.v13i2.282.

Sagala, F.S., Mugiarso, M. and Priatna, W. (2021) ‘Algoritma K-Means Clustering Untuk Menentukan Rekomendasi Pemberian Beasiswa Bagi Siswa Berprestasi’, Journal of Students‘ Research in Computer Science, 2(2), pp. 111–120. doi:10.31599/jsrcs.v2i2.840.

Sujaini, H. (2019) ‘Klasifikasi Citra Alat Musik Tradisional dengan Metode k-Nearest Neighbor, Random Forest, dan Support Vector Machine’, Jurnal Sistem Informasi Bisnis, 9(2), p. 185. doi:10.21456/vol9iss2pp185-191.

Triandini, M., Defit, S. and Nurcahyo, G.W. (2021) ‘Data Mining dalam Mengukur Tingkat Keaktifan Siswa dalam Mengikuti Proses Belajar pada SMP IT Andalas Cendekia’, Jurnal Informasi dan Teknologi, 3, pp. 167–173. doi:10.37034/jidt.v3i3.120.

Wijaya, Y.A. et al. (2022) ‘K-Means Di Sekolah Menengah Kejuruan Wahidin Kota Cirebon’, 6(2), pp. 552–559.

Issue

Vol. 8 No. 1 (2023): JUSTINDO

License

Copyright (c) 2023 silvana nazuah

This work is licensed under a Creative Commons Attribution 4.0 International License.