Penerapan K-Means Cluster Pada Daerah Penggunaan Teknologi di Indonesia
DOI:
https://doi.org/10.33633/joins.v6i1.4545Abstract
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 provinsiReferences
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.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
This work is licensed under a Creative Commons Attribution 4.0 International License.
