Penerapan K-Means Cluster Pada Daerah Penggunaan Teknologi di Indonesia

Silvana Fitria Mandang, Betha Nurina Sari

Abstract


Indonesia saat ini sedang mengalami kondisi yang tidak stabil akibat adanya virus Covid-19. Virus Covid-19 telah menyebar ke seluruh wilayah Indonesia dan menginfeksi ribuan orang. Akibat adanya virus ini hampir semua aspek kehidupan berubah termasuk pendidikan. Pemerintah akhirnya mengeluarkan kebijakan baru dengan mengubah proses belajar dan mengajar tatap muka menjadi daring. Akan tetapi, di Indonesia sendiri perkembangan dan pemanfaatan teknologi komputer dan internet masih belum merata. Umumnya hanya masyarakat perkotaan yang memiliki akses teknologi tinggi dibandingkan dengan pedesaan. Tujuan dari penelitian ini adalah menerapkan metode clustering k-means pada penggunaan teknologi siswa umur 5-24 tahun selama pembelajaran daring. Dari hasil penelitian menggunakan 34 data provinsi di Indonesia menghasilkan 3 cluster, cluster pertama dengan kategori tinggi sebanyak 7 provinsi, cluster kedua dengan kategori sedang sebanyak 19 provinsi dan cluster ketiga dengan kategori rendah sebanyak 8 provinsi

Full Text:

PDF

References


P. Alkhairi and A. P. Windarto, “Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara,” Semin. Nas. Teknol. Komput. Sains, pp. 762–767, 2019.

R. L. Parmawati, I. A. Prabowo, and T. Susyanto, “Clustering Potensi Susu Sapi Perah Di Kabupaten Boyolali Menggunakan Algoritma K-MeansK-MEANS,” J. Teknol. Inf. dan Komun., vol. 7, no. 1, 2019, doi: 10.30646/tikomsin.v7i1.413.

A. Aditya, I. Jovian, and B. N. Sari, “Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019,” J. Media Inform. Budidarma, vol. 4, no. 1, p. 51, 2020, doi: 10.30865/mib.v4i1.1784.

Z. Aras and Sarjono, “Analisis Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan Bedah Rumah Menggunakan Metode Clustering K-Means( Studi Kasus : Kantor Kecamatan Bahar Utara),” J. Manaj. Sist. Inf., vol. 1, no. 2, pp. 159–170, 2016.

A. T. R. Saragih, A. S. Sembiring, and M. Sayuthi, “Penerapan Metode Clustering K-Means untuk Proses Seleksi Calon Peserta Lomba MTQ,” Pelita Inform., vol. 17, no. April, pp. 117–122, 2018, [Online]. Available: https://ejurnal.stmik-budidarma.ac.id/index.php/pelita/article/download/776/704.

A. F. Muhammad, “Klasterisasi Proses Seleksi Pemain Menggunakan Algoritma K-Means (Study Kasus : Tim Hockey Kabupaten Kendal),” Jur. Tek. Inform. FIK UDINUS, pp. 1–5, 2015.

I. Kamila, U. Khairunnisa, and M. Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 5, no. 1, p. 119, 2019, doi: 10.24014/rmsi.v5i1.7381.

A. P. Windarto, U. Indriani, M. R. Raharjo, and L. S. Dewi, “Bagian 1: Kombinasi Metode Klastering dan Klasifikasi (Kasus Pandemi Covid-19 di Indonesia),” J. Media Inform. Budidarma, vol. 4, no. 3, p. 855, 2020, doi: 10.30865/mib.v4i3.2312.




DOI: https://doi.org/10.33633/joins.v6i1.4545

Article Metrics

Abstract view : 353 times
PDF - 227 times

Refbacks

  • There are currently no refbacks.




akun pro jepanghttps://jippm.uho.ac.id/public/site/scatterr/https://elijo.umpwr.ac.id/blog/sensorgacor/https://e-learning.asia.ac.id/products/turbox500/kakekslotturbox500https://learning.poltekkesjogja.ac.id/lib/pulsaceban/https://learning.poltekkesjogja.ac.id/lib/juaraslot/https://fsi.unjani.ac.id/course/scatter/

Index by: