PENGEMBANGAN KLASTERIASI DATA UNTUK SISTEM REKOMENDASI SEKOLAH DASAR DI MAGELANG DENGAN METODE HIERARCHY CLUSTERING

Muhammad Abdul Muin
Yusuf Wahyu Setiya Putra


DOI: https://doi.org/10.29100/jipi.v9i3.6355

Abstract


Pendidikan adalah hak semua individu dan menjadi fokus utama bagi negara dan masyarakat. Peran orang tua sangat penting dalam memilih sekolah untuk anak, terutama di tingkat sekolah dasar, karena anak-anak membutuhkan bimbingan dalam memilih sekolah yang tepat. Faktor-faktor seperti Biaya, Kurikulum, Fasilitas, Jarak dan Akreditasi. Varibel tersebut menjadi pertimbangan oleh orang tua dalam memilih sekolah dasar. Urgensi dari penelitian ini terletak pada banyaknya opsi sekolah dasar di Kabupatan magelang, yang membuat orang tua merasa bingung dalam memilih sekolah yang cocok dengan kebutuhan dan keinginan anak-anak serta orang tua. Berdasarkan Data Pokok Pendidikan Kabupatan Magelang tahun 2024, jumlah siswa Sekolah Dasar mencapai 76.460 siswa, sementara jumlah sekolah dasar negeri dan swasta bawah Kementerian Pendidikan dan Kebudayaan mencapai 596 sekolah. Oleh karena itu, diperlukan suatu sistem rekomendasi yang dapat membantu orang tua dalam menentukan pilihan sekolah dasar yang terbaik untuk anak-anak mereka. Tujuan Penelitian ini adalah untuk mengembangkan konsep klasterisasi data dengan metode Hierarchy Clustering untuk sistem rekomendasi sekolah dasar di Kabupaten Magelang. Hal ini bertujuan membantu orang tua memilih sekolah yang sesuai untuk anak-anak mereka, dengan pengembangan sistem rekomendasi yang bermanfaat bagi masyarakat, terutama dalam pemilihan sekolah dasar sebagai pondasi pendidikan di Indonesia. Metode dalam penelitian ini meliputi Studi Pustaka, Pengumpulan Data, Klasterisasi Data, Pengujian dan Evaluasi Model Sistem Rekomendasi dan Model Sistem Rekomendasi. Hasil clusterisasi iperoleh tiga cluster yaitu pada clusteri 1 sebanyak 23 sekolah, cluster 2 sebanyak 14 sekolah dan clusteri 3 sebanyak 9 sekolah, sedangkan hasil pengujian Silhouette Coefficient diperoleh score 0,86 artinya struktur kuat.

Full Text:

PDF

Article Metrics :

References


S. Fikriyah, A. Mayasari, U. Ulfah, and O. Arifudin, “Peran Orang Tua Terhadap Pembentukan Karakter Anak Dalam Menyikapi Bullying,” J. Tahsinia, vol. 3, no. 1, pp. 11–19, 2022, doi: 10.57171/jt.v3i1.306.

K. Kamar, M. Asbari, A. Purwanto, W. Nurhayati, E. Agistiawati, and R. N. Sudiyono, “Membangun KarakterAsuh Orang Tua berdasarkan Genetic Personality,” J. Inov. Pembelajaran, vol. 6, no. 1, pp. 75–86, 2020.

S. Atmojo, S. Dewi, N. Widhiyanta, and R. Utami, “Sistem Informasi Rekomendasi Pemilihan Sekolah Dasar Dengan Metode Ahp Studi Kasus Surabaya Barat,” Edutic - Sci. J. Informatics Educ., vol. 7, no. 2, pp. 85–93, 2021, doi: 10.21107/edutic.v7i2.8383.

M. Azzahra and Nurrohmatul Amaliyah, “Analisis Faktor Penyebab Kesulitan Siswa Dalam Pembelajaran Tematik Di Kelas Iv Sekolah Dasar,” J. Cakrawala Pendas, vol. 8, no. 3, pp. 851–859, 2022, doi: 10.31949/jcp.v8i3.2677.

N. Lestari, “Peningkatan Kompetensi Guru Sekolah Dasar di Kecamatan Srmbung Kabupaten Magelang,” Respository Univ. Negeri Yogyakarta, no. 1, pp. 1–119, 2016.

N. S. Z. Andriani, “Implementasi Kurikulum Merdeka Belajar Dalam Peningkatan Kualitas Pembelajaran di Sekolah Dasar Mamba’ul Hisan Tempuran Magelang,” Khazanah Pendidikan-Jurnal Ilm. Kependidikan, vol. 17, no. 2, pp. 326–333, 2023, doi: 10.30595/jkp.v17i2.18249.

L. Zahrotun, U. Linarti, B. H. T. Suandi As, H. Kurnia, and L. Y. Sabila, “Comparison of K-Medoids Method and Analytical Hierarchy Clustering on Students’ Data Grouping,” Int. J. Informatics Vis., vol. 7, no. 2, pp. 446–454, 2023, doi: 10.30630/joiv.7.2.1204.

P. Govender and V. Sivakumar, Application of k-means and hierarchical clustering techniques for analysis of air pollution: A review (1980–2019), vol. 11, no. 1. Turkish National Committee for Air Pollution Research and Control, 2020. doi: 10.1016/j.apr.2019.09.009.

A. Diana, A. Ariesta, A. Wibowo, and D. A. B. Risaychi, “New Student Clusterization Based on New Student Admission Using Data Mining Method,” J. Pilar Nusa Mandiri, vol. 19, no. 1, pp. 1–10, 2023, doi: 10.33480/pilar.v19i1.4089.

L. Infante, “Hierarchical clustering,” Rev. Mex. Astron. y Astrofis. Ser. Conf., vol. 14, no. 4, pp. 63–67, 2002, doi: 10.1145/3321386.

R. Baral, S. S. Iyengar, X. Zhu, T. Li, and P. Sniatala, “HiRecS: A Hierarchical Contextual Location Recommendation System,” IEEE Trans. Comput. Soc. Syst., vol. 6, no. 5, pp. 1020–1037, 2019, doi: 10.1109/TCSS.2019.2938239.

P. Alam Jusia, F. Muhammad Irfan, and S. Dinamika Bangsa Jambi Jl Jend Sudirman Thehok Jambi, “Clustering Data Untuk Rekomendasi Penentuan Jurusan Perguruan Tinggi Menggunakan Metode K-Means,” J. IKRA-ITH Inform., vol. 3, no. 3, p. 75, 2019.

H. Zou, “Clustering Algorithm and Its Application in Data Mining,” Wirel. Pers. Commun., vol. 110, no. 1, pp. 21–30, 2020, doi: 10.1007/s11277-019-06709-z.

M. R. Pratama and N. Anggrainie, “Faktor-Faktor yang Mempengaruhi Orang Tua dalam Pengambilan Keputusan Memilih Sekolah Dasar dan Menengah Pertama Swasta Gracia Di Lippo Karawaci …,” YUME J. Manag., vol. 5, no. 3, pp. 681–692, 2022, doi: 10.37531/yume.vxix.34653.

D. Roy and M. Dutta, “A systematic review and research perspective on recommender systems,” J. Big Data, vol. 9, no. 1, 2022, doi: 10.1186/s40537-022-00592-5.

T. D. Salma and Y. S. Nugroho, “Sistem Rekomendasi Pemilihan Sekolah Menengah Tingkat Atas Menggunakan Metode Naive Bayes,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 2, no. 2, pp. 85–94, 2016, doi: 10.23917/khif.v2i2.2306.

A. Starczewski, “A new hierarchical clustering algorithm,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 7268 LNAI, no. PART 2, pp. 175–180, 2012, doi: 10.1007/978-3-642-29350-4_21.

S. Rokhmah, “Claterization of Primary Schools In The Surakarta Region Using The K-Medoids Method Based on School Costs and Facilities,” vol. 04, no. 04, pp. 183–187, 2023.

F. Fatkhurrochman and M. A. Muin, “Sistem Pendukung Keputusan Penentuan Kinerja Perawat Terbaik Di Klinik Amanah Dengan Metode Simple Additive Weighting,” J. Tek. Inf. dan Komput., vol. 5, no. 2, p. 351, 2022, doi: 10.37600/tekinkom.v5i2.535.

T. Yusnanto, F. Fatkhurrochman, M. A. Muin, and S. Waluyo, “Pelatihan Dasar Keamanan Digital Untuk Mengurangi Pencurian Data Yang Berdampak Pada UMKM,” J. Pengabdi. Masy. Bangsa, vol. 1, no. 9, pp. 2022–2029, 2023, doi: 10.59837/jpmba.v1i9.458.

D. Ariesanti, A. Mudiono, and S. Arifin, “Analisis Implementasi Kurikulum Merdeka Dan Perencanaan Pembelajaran Di Sekolah Dasar,” SENTRI J. Ris. Ilm., vol. 2, no. 6, pp. 1896–1907, 2023, doi: 10.55681/sentri.v2i6.995.

M. Herti1, Leny Marlina2, “Pengaruh Pola Asuh Orang Tua Menikah Di Usia Muda Terhadap Aspek Perkembangan Kognitif Pada Anak Usia 4-6 Tahun Di Desa,” J. Ilm. Multidisiplin, vol. 1, no. 4, pp. 667–678, 2022.

T. Ahmad and M. N. Aziz, “Data preprocessing and feature selection for machine learning intrusion detection systems,” ICIC Express Lett., vol. 13, no. 2, pp. 93–101, 2019, doi: 10.24507/icicel.13.02.93.

Q. Zhang, Z. Wu, G. Guo, H. Zhang, and P. Tarolli, “Explicit the urban waterlogging spatial variation and its driving factors: The stepwise cluster analysis model and hierarchical partitioning analysis approach,” Sci. Total Environ., vol. 763, p. 143041, 2021, doi: 10.1016/j.scitotenv.2020.143041.

K. B, “A Comparative Study on K-Means Clustering and Agglomerative Hierarchical Clustering,” Int. J. Emerg. Trends Eng. Res., vol. 8, no. 5, pp. 1600–1604, 2020, doi: 10.30534/ijeter/2020/20852020.

Nisha and P. J. Kaur, “Cluster quality based performance evaluation of hierarchical clustering method,” Proc. 2015 1st Int. Conf. Next Gener. Comput. Technol. NGCT 2015, no. September, pp. 649–653, 2016, doi: 10.1109/NGCT.2015.7375201.

F. Alalyan, N. Zamzami, and N. Bouguila, “Model-Based Hierarchical Clustering for Categorical Data,” IEEE Int. Symp. Ind. Electron., vol. 2019-June, pp. 1424–1429, 2019, doi: 10.1109/ISIE.2019.8781307.

M. Jafarzadegan, F. Safi-Esfahani, and Z. Beheshti, “Combining hierarchical clustering approaches using the PCA method,” Expert Syst. Appl., vol. 137, pp. 1–10, 2019, doi: 10.1016/j.eswa.2019.06.064.

M. Naga Surya Lakshmi and Y. Radhika, “A comparative paper on measuring the performance of snort and suricata with variable packet sizes and speed,” Prog. Color. Color. Coatings, vol. 8, no. 1, pp. 29–37, 2018, doi: 10.14419/ijet.v8i1.13971.

R. Umbu, Y. S. Dwanoko, and ..., “Sistem Rekomendasi Penerima Bantuan PKH Dengan Metode Smart Guna Mendukung Keputusan Pemerintah Desa,” J. Terap. Sains …, vol. 4, no. 3, pp. 182–191, 2022.