KOMPARASI ALGORITMA FUZZY C-MEANS DAN ALGORITMA K-NEAREST NEIGHBOR DALAM PENGELOMPOKAN ROMBONGAN BELAJAR SISWA BARU (STUDI KASUS: SISWA BARU MADRASAH ALIYAH NEGERI 01 KOTA BENGKULU)
Abstract: Setiap tahun ajaran
baru Madrasah Aliyah 01 Model, Bengkulu
akan mengadakan penerimaan siswa baru. Kegiatan ini menimbulkan masalah
dalam kelompok studi mahasiswa baru ke
dalam kelompok belajar yang sama. Proses pengelompokan ini dikenal sebagai
clustering. Beberapa algoritma clustering yang digunakan adalah algoritma fuzzy c-means dan k-nearest neighbor. Untuk memenuhi kebutuhan akan aplikasi clustering yang dapat digunakan dalam
memecahkan masalah tersebut, penelitian ini bertujuan membangun aplikasi
pengelompokan kelas bagi siswa baru dan juga untuk membandingkan kinerja algoritma fuzzy c-means dan k-nearest neighbor. Penelitian ini
menggunakan NetBeans IDE 6.0.1 sebagai perangkat lunak, metode pengembangan
sekuensial linier, perangkat lunak analisis dan desain menggunakan Unified
Modeling Language (UML). Hasil penelitian ini menunjukkan bahwa sistem ini
mampu mengklasifikasikan kelompok
belajar (RomBel) siswa secara sama, dengan sedikit perbedaan antara
kelompok yang satu dengan yang lainnya
dalam nilai akademis. Selain algoritma fuzzy c-means lebih baik daripada
algoritma k-nearest neighbor dalam hal pengelompokkan, tetapi algoritma
k-nearest neighbor memiliki waktu CPU yang memproses jauh lebih cepat daripada
algoritma fuzzy c-means.
Penulis: Ernawati, Budiman,
Diyah Puspitaningrum
Kode Jurnal: jptinformatikadd140252
