JURNAL : 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)

ABSTRAK

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.

Kata Kunci: Fuzzy C-Means, K-nearest Neighbor, Clustering

PENDAHULUAN

Pendidikan merupakan proses mengubah sikap, perilaku, pola pikir dan tingkat pengetahuan setiap individu atau kelompok. Dengan pendidikan diharapkan kualitas hidup seseorang dapat menjadi lebih baik. Pendidikan juga merupakan salah satu faktor penentu bagi kemajuan suatu bangsa dan negara.