Dalam menentukan peminatan siswa mata pelajaran
metode clustering K-Means masih belum diadakan. Memudah melihat data siswa-siswi
yang berminat pada mata pelajaran matematika melalui data yang sudah dikelola
oleh peneliti. Dalam mendapatkan data nilai yang dibutuhkan dalam penelitian
ini adalah dengan melakukan observasi yang dilakukan disekolah. metode
observasi merupakan suatu metode dimana siswa dilibatkan untuk turut berpikir
sehingga emosi siswa dapat terlibat langsung dalam proses pembelajaran,
meningkatkan keterampilan proses kejadian dengan sendirinya, sehingga akan
memperkaya pengalaman, meningkatkan serta membangkitkan rasa ingin tahu untuk
menentukan minat mata pelajaran matematika menggunakan algoritma K-Means dimana
dalam penelitian ini dibagi menjadi 2 cluster yaitu minat dan tidak minatnya
siswa dalam mata pelajaran matematika, dari 50 siswa akan menjadi 2 cluster
yaitu.Cluster C1 dengan jumlah 16 siswa berdasarkan presentase di dapatkan
hasil 32% yang tidak minat matematika, C2 dengan jumlah 34 siswa berdasarkan
presentase di dapatkan 68% yang minat matematika Penelitian ini perlu dicoba
pada algoritma yang lain agar dapat melakukan pengelompokan minat siswa
sehingga dapat diharapkan pengelompokan yang lebih akurat dan presisi.
[1] G. G.
Maulana, “Pembelajaran Dasar Algoritma Dan Pemrograman Menggunakan El-Goritma
Berbasis Web,” J. Tek. Mesin, vol. 6, no. 2, p. 8, 2017, doi:
10.22441/jtm.v6i2.1183.
[2] N. K.
Surbakti, “Data Mining Pengelompokan Pasien Rawat Inap Peserta BPJS Menggunakan
Metode Clustering (Studi Kasus : RSU.Bangkatan),” J. Inf. Technol., vol.
1, no. 2, pp. 47–53, 2021, doi: 10.32938/jitu.v1i2.1470.
[3] L.
Muflikhah, D. Ratnawati Eka, and R. R. Putri Mardi, Buku Ajar Data Mining,
1st ed. Malang: UB Press, 2018.
[4] E. Irfiani
and S. S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi
Balita,” J. Sist. dan Teknol. Inf., vol. 6, no. 4, p. 161, 2018, doi:
10.26418/justin.v6i4.29024.
[5] R. Vulandari
Tri, Data Mining Teori dan Aplikasi Rapidminer, 1st ed. Yogyakarta: Gava
Media, 2017.
[6] Suyanto, Data
Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: BI-Obses, 2017.
[7] D. Jollyta,
W. Ramdhan, and M. Zarlis, Konsep Data Mining dan Penerapan, 1st ed.
Yogyakarta: CV Budi Utama, 2020.
[8] S. Pramana,
B. Yuniarto, S. Mariyah, I. Santoso, and R. Nooraeni, Data Mining dengan R
Konsep Serta Implementasi. Bogor: IN Media, 2018.
[9] S. Haryati,
A. Sudarsono, and E. Suryana, “Implementasi Data Mining Untuk Memprediksi Masa
Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen
Bengkulu),” J. Media Infotama, vol. 11, no. 2, pp. 130–138, 2015.
[10] R. Yusri, S.
Edriati, and R. Yuhendri, “Pelatihan Microsoft Office Excel Sebagai Upaya
Peningkatan Kemampuan Mahasiswa Dalam Mengolah Data,” RANGKIANG J. Pengabdi.
Pada Masy., vol. 2, no. 1, pp. 32–37, 2020, doi:
10.22202/rangkiang.2020.v2i1.4214.
[11] S. Butsianto
and N. Saepudin, “Penerapan Data Mining Terhadap Minat Siswa Dalam Mata
Pelajaran Matematika Dengan Metode K-Means,” J. Nas. Komputasi dan Teknol.
Inf., vol. 3, no. 1, pp. 51–59, 2020, doi: 10.32672/jnkti.v3i1.2008.
[12] F. Firza and
S. Sarjono, “Penerapan Algoritma K-Means Dalam Metode Clustering Untuk Peminatan
Jurusan Bagi Siswa Swasta Pelita Raya Kota Jambi,” J. Manaj. Sist. Inf.,
vol. 5, no. 3, pp. 371–382, 2020.
[13] R. N.
Afifuddin and D. Nurjanah, “Sistem Rekomendasi Pemilihan Mata kuliah Peminatan
Menggunakan Algoritma K- means dan Apriori ( studi kasus : Jurusan S1 Teknik
Informatika Fakultas Informatika ),” eProceedings …, vol. 6, no. 1, pp.
2359–2367, 2019.
[14] “Upaya
Meningkatkan Hasil Belajar Siswa Pada Materi Klasifikasi Makhluk Hidup Melalui
Metode Observasi Dengan Lks Word Square,” Bioed J. Pendidik. Biol., vol. 10, no. 1, p. 1,
2022, doi: 10.25157/jpb.v10i1.7350.
[15] R. W. Sari
and D. Hartama, “Data Mining : Algoritma K-Means Pada Pengelompokkan Wisata
Asing ke Indonesia Menurut Provinsi,” Semin. Nas. Sains Teknol. Inf.,
pp. 322–326, 2018.