SUPRAYOGO, Endar Danang (2024) Pengelompokan Hasil Belajar Siswa Menggunakan Metode Hierarchical Clustering Pada e-Rapor Untuk Sekolah Dasar (Studi Kasus di SD XYZ Kecamatan Srumbung). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (22kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (184kB)
	Text 4. KATA PENGANTAR.pdf Download (72kB)
	Text 6. ABSTRAK.pdf Download (8kB)
	Text 7. ABSTRACT.pdf Download (7kB)
	Text 8. DAFTAR ISI.pdf Download (20kB)
	Text 11. BAB I.pdf Download (23kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (79kB)

Abstract

Pada masa ini pesatnya perkembangan teknologi telah memasuki seluruh lini kehidupan.
Teknologi telah banyak diterapkan dalam bidang pendidikan, salah satunya ialah
pengumpulan data nilai siswa. Data tersebut umumnya digunakan sebagai laporan atas hasil
belajar siswa di sekolah. Data nilai siswa yang telah dikumpulkan tidak hanya menjadi data
yang disimpan dan dilaporkan, tetapi data tersebut dapat digunakan untuk mengidentifikasi
kemampuan belajar siswa yang dapat digunakan oleh guru dalam melakukan pemantauan
kemampuan belajar siswa di sekolah. Hierarchical Clustering merupakan salah satu metode
dalam Machine Learning yang dapat digunakan untuk membantu guru dalam melakukan
pengelompokan data. Metode Hierarchical Clustering mengelompokkan data berdasarkan
kedekatan jarak antar data. Pengelompokan kemampuan belajar siswa dapat dilakukan
dengan metode Hierarchical Clustering menggunakan data nilai siswa yang telah
dikumpulkan pada suatu database, hal ini dikarenakan pengelompokan data didasarkan atas
kedekatan nilai siswa. Data yang telah dikumpulkan dilakukan pengolahan Data
Preprocessing untuk mengurangi noise, salah satunya adalah mengurangi outlier yang ada
pada data tersebut. Proses pengelompokan data dilakukan dengan menggunakan matriks
jarak euclidean dan teknik average linkage dengan melakukan penyajian hasil secara visual
melalui grafik Dendrogram. Pengelompokan data dengan menggunakan metode ini
menghasilkan nilai Silhouette Score terbaik sebesar 0,373 dengan jumlah cluster sebesar 2.
Kata kunci : Nilai Siswa, Machine Learning, Hierarchical Clustering, Silhouette Score

Actions (login required)

View Item