• Login
    View Item 
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Mathematics and Natural Sciences
    • Statistics
    • View Item
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Mathematics and Natural Sciences
    • Statistics
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR MUTU PEMBELAJARAN MENGGUNAKAN METODE CLUSTER K-MEANS DAN FUZZY C-MEANS (Studi Kasus: Indikator Pembelajaran Bermutu Menurut Tingkat Pendidikan di Tiap Provinsi di Indonesia Tahun Ajaran 2017/2018)

    Thumbnail
    View/Open
    01.0 cover.pdf (21.10Kb)
    02. preliminari.pdf (343.2Kb)
    03. Daftar Isi.pdf (358.2Kb)
    04. Abstract.pdf (177.2Kb)
    05.1 bab 1.pdf (297.8Kb)
    Date
    2018-08-25
    Author
    Meylinda Dwi Nurfalah, 14 611 122
    Metadata
    Show full item record
    Abstract
    Pendidikan adalah usaha sadar dan terencana untuk mewujudkan suasana belajar dan proses pembelajaran agar peserta didik secara aktif mengembangkan potensi dirinya untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian, kecerdasan, akhlak mulia, serta keterampilan yang diperlukan dirinya, masyarakat, bangsa, dan negara. Melalui pendidikan dan belajar, manusia dapat menjadi lebih bermanfaat di masyarakat, namun pemerataan mutu pembelajaran di Indonesia masih dikategorikan kurang di beberapa sektor seperti rasio siswa perguru, angka lulusan dan rasio ruang kelas baik. Beberapa Provinsi sudah masuk kedalam tingkatan yang seperti pada angka mengulang dan angka putus sekolah sudah sangat kecil, namun pada rasio siswa per guru, masih sedikit provinsi yang sudah mencapai standar nasional tiap tingkat pendidikannya, karena tidak seimbangnya antara jumlah siswa dan guru. Sehingga untuk mengelompokan nilainya digunakan analisis cluster. Metode yang digunakan k-means dan fuzzy c-means, dengan dibentuk menjadi 3 cluster, diperoleh untuk k-means kategori baik terletak pada cluster 3 jumlahnya 11 anggota, cluster 1 sebanyak 17 anggota dan 6 anggota pada kelompok rendah pada cluster 2. Sedangkan pada metode fuzzy c-means adalah cluster 1 dimasukan kedalam kategori rendah dengan jumlah 12 anggota, kemudian cluster 3 dikategorikan pada baik yang terdiri dari 10 anggota dan cluster 3 dikategorikan sedang jumlahnya 12 anggota. Perbedaan pada algoritma mempengaruhi hasil penelitian menggunakan k-means dan fuzzy c-means berada perhitungannya sehingga berpengaruh kepada hasil akhir, berupa nilai cluster, maupun nilai rasio simpangan bakunya digunakan untuk menentukan cluster terbaik dengan hasil k-means lebih baik karena nilai rasionya lebih kecil dari metode fuzzy c-means.
    URI
    https://dspace.uii.ac.id/handle/123456789/10494
    Collections
    • Statistics [1220]

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV