TUGAS AKHIR / SKRIPSI INFORMATIKA : PENERAPAN ALGORITMA K-MEANS DAN DECISION TREE DALAM MENENTUKAN SISWA BERPRESTASI (STUDI KASUS: SDS KARTIKA X-6)

ABSTRAK
Nandya Rifki Jevintya, 200401010001
Penerapan Algoritma K-Means dan Decision Tree Dalam Menentukan Siswa
Berprestasi (Studi Kasus: SDS Kartika X-6)
Tugas Akhir, Prodi PJJ Informatika, Universitas Siber Asia 2024
Peneliti melakukan pengamatan tentang metode yang digunakan dalam
menentukan data yang ada dan banyak ditemukan. Hal ini yang menjadikan
pengaruh dalam nilai akademik siswa melalui prestasi kelas dan prestasi sekolah
dalam menentukan siswa berprestasi. Penelitian ini memiliki tujuan untuk
mengetahui dalam menentukan siswa berprestasi dengan prestasi kelas dan prestasi
sekolah di SDS Kartika X-6. Untuk pengambilan data dalam penelitian ini
bertempat di SDS Kartika X-6 yang adalah Sekolah Dasar Swasta milik Angkatan
Darat. Untuk mengetahui faktor yang mempengaruhi dalam menentukan siswa
berprestasi, maka bisa mengambil langkah-langkah dalam meningkatkan prestasi
siswa di SDS Kartika X-6. Dengan menggunakan metode dalam penelitian ini yaitu
algoritma K-Means dan Decision Tree, adanya metode tersebut akan terpilih dalam
menentukan siswa berprestasi. Penggunaan klaster menggunakan K-Means lalu
melakukan klasifikasi dengan Decision Tree, dengan menggunakan dataset dengan
jumlah 28 data dalam penelitian ini. Menggunakan dataset siswa SDS Kartika X-6
yang berisi No, jenis kelamin, MTK, BI, IPA, Agama, Prestasi kelas dan Prestasi
sekolah. Dalam metode Decision Tree diperlukan suatu label atau supaya target
data tersebut dapat diolah. Selanjutnya Algoritma Decision Tree dilakukan
klasifikasi pemodelan, maka didapatkan bahwa nilai akademik, Prestasi kelas dan
Prestasi sekolah berperngaruh dalam menentukan siswa berprestasi di SDS Kartika
X-6. Untuk algoritma K-Means yang dihasilkan dalam 3 cluster atau kategori yaitu
Cukup Baik, Baik dan Sangat Baik. Pada tahap pengujian dengan menggunakan
metode Decision Tree, keakuratan prediksinya adalah 71% dengan memberikan
eror 29% dalam penelitian ini.
Kata kunci : Clustering, Decision Tree, Google Colab, K-Means, Nilai Akademik