OPTIMALISASI JUMLAH CLUSTER DATA SEKOLAH DASAR (SD) MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

Abstract

Ketersediaan fasilitas belajar dan distribusi tenaga pendidik yang merata di setiap sekolah berperan penting dalam menjamin penyelenggaraan pendidikan yang berkualitas. Penelitian ini bertujuan untuk mengelompokkan Sekolah Dasar (SD) di Kabupaten Ciamis berdasarkan kesamaan karakteristik menggunakan K-Means Clustering. Saat ini data SD belum dikelompokkan sehingga perencanaan peningkatan mutu pendidikan belum maksimal. Oleh karena itu dibutuhkan klasterisasi agar pemahaman mengenai pola dan kesamaan karakteristik antar SD lebih mendalam. Metode yang digunakan adalah klasterisasi dengan Algoritma K-Means Clustering, menggunakan tools RapidMiner. Parameter yang digunakan meliputi Davies Bouldin Index (DBI), Measure Types Numerical Measures jenis Euclidean Distance dan Manhattan Distance, serta melakukan iterasi menggunakan parameter Max Optimization dimulai dari 1 hingga 20 kali. Penentuan cluster dimulai dari K= 2 hingga K= 10 untuk mendapatkan hasil cluster optimal berdasarkan nilai DBI terendah mendekati 0.  Dari hasil analisis diketahui bahwa cluster optimal berada pada K= 10 dengan nilai DBI 0.450 menggunakan parameter Measure Types Numerical Measures jenis Manhattan Distance dan proses iterasi berhenti pada iterasi ke 10, karena pada iterasi tersebut nilai centroid dan keanggotaan pada setiap cluster sudah stabil. Hasil dari penelitian ini akan memberikan pemahaman yang lebih mendalam mengenai sekolah-sekolah dengan karakteristik yang serupa.