PREDIKSI ZONASI UNTUK SISWA/SISWI SEKOLAH MENENGAH PERTAMA MENGGUNAKAN ALGORITMA CLUSTERING K-MEANS

RIDHA, RIYAN (2025) PREDIKSI ZONASI UNTUK SISWA/SISWI SEKOLAH MENENGAH PERTAMA MENGGUNAKAN ALGORITMA CLUSTERING K-MEANS. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 COVER.pdf Download (870kB) | Preview
	Text (BAB I) 02 BAB 1.pdf Restricted to Registered users only Download (38kB)
	Text (BAB II) 03 BAB 2.pdf Restricted to Registered users only Download (367kB)
	Text (BAB III) 04 BAB 3.pdf Restricted to Registered users only Download (416kB)
	Text (BAB IV) 05 BAB 4.pdf Restricted to Registered users only Download (272kB)
	Text (BAB V) 06 BAB 5.pdf Restricted to Registered users only Download (25kB)
	Text (DAFTAR PUSTAKA) 07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (140kB)
	Text (LAMPIRAN) 08 LAMPIRAN.pdf Restricted to Registered users only Download (726kB)

Abstract

Educational inequality includes differences in academic outcomes between regions, school types and socioeconomic groups. Students from economically deprived families often have lower academic outcomes, contributing to educational and economic inequality. In developing countries, this problem is compounded by limited resources, uneven infrastructure and significant economic disparities. Research on geographic-based education equity is limited, with most education research focusing on improving test results in developed countries without considering equity. When different approaches are used to measure education equity, the complexity increases, so more appropriate methods are needed to group students based on certain characteristics. One method that can be used is the kmeans algorithm, which utilizes student data such as name, gender, address, geographic location (latitude and longitude), age, and achievement to form several groups or clusters. Each cluster will contain students with similar characteristics, so it can be analyzed more easily. Visualization of clustering results in the form of a map produces students with the location of their residence with schools that are close to their homes and the distance from their homes to schools that can be included in the zoning. These results are expected to help the government or educational institutions in understanding inequality and determining more appropriate strategies to realize fair and equitable education. Keywords: K-Means, Student Zoning, Education Equity. Ketidaksamaan pendidikan mencakup perbedaan hasil akademik antara wilayah, jenis sekolah, dan kelompok sosial ekonomi. Siswa dari keluarga dengan keterbatasan ekonomi sering kali memperoleh hasil akademik yang lebih rendah, yang berkontribusi pada ketimpangan pendidikan dan ekonomi. Di negara berkembang, masalah ini diperparah oleh keterbatasan sumber daya, infrastruktur yang belum merata, serta kesenjangan ekonomi yang signifikan. Penelitian mengenai pemerataan pendidikan berbasis letak geografis masih terbatas, dengan sebagian besar penelitian pendidikan berfokus pada peningkatan hasil ujian di negara maju tanpa mempertimbangkan aspek pemerataan. Ketika pendekatan yang berbeda digunakan untuk mengukur pemerataan pendidikan, kompleksitasnya bertambah, sehingga diperlukan metode yang lebih tepat untuk mengelompokkan siswa berdasarkan karakteristik tertentu. Salah satu metode yang dapat digunakan adalah algoritma k-means, yang memanfaatkan data siswa seperti nama, jenis kelamin, alamat, lokasi geografis (latitude dan longitude), usia, serta prestasi untuk membentuk beberapa kelompok atau cluster. Setiap cluster akan berisi siswa dengan karakteristik serupa, sehingga dapat dianalisis lebih mudah. Visualisasi hasil clustering berupa peta menghasilkan siswa/siswi dengan lokasi tempat tinggal mereka dengan sekolah yang dekat dari rumah mereka dan jarak dari rumah mereka ke sekolah yang bisa masuk ke dalam zonasi. Hasil ini diharapkan membantu pemerintah atau lembaga pendidikan dalam memahami ketimpangan dan menentukan strategi yang lebih tepat untuk mewujudkan pendidikan yang adil dan merata. Kata kunci: K-Means, Zonasi Siswa, Pemerataan Pendidikan.

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 25 019
NIM/NIDN Creators:	41521010150
Uncontrolled Keywords:	K-Means, Zonasi Siswa, Pemerataan Pendidikan.
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 200 Religion/Agama > 200. Religion/Agama > 207 Missions and Religious Education/Misi dan Pendidikan Agama > 207.1 Education/Pendidikan 300 Social Science/Ilmu-ilmu Sosial > 370 Education/Pendidikan > 373 Secondary Education/Pendidikan Tingkat Sekolah Lanjutan 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	khalimah
Date Deposited:	05 Feb 2025 02:52
Last Modified:	05 Feb 2025 02:52
URI:	http://repository.mercubuana.ac.id/id/eprint/93913

Actions (login required)

View Item