ALGORITMA K-MEANS DALAM PENENTUAN TINGKAT KEPUASAN SISWA TERHADAP PEMBELAJARAN ONLINE DI MASA PANDEMI COVID 19

M. Syukron Nawawi, Dudih Gustian

Abstract


Abstract
With the covid-19 pandemic, it requires learning to be done online. For several schools, especially those in the village, online learning has several factors that hinder the learning process. The difficulty of the internet network, the limited quota, until the use of learning media is not common. So that there is dissatisfaction and different responses from students. This study uses the k-means method for the clustering process in order to obtain the results of classifying the level of student satisfaction according to data processing from the results of the questionnaire given to students. This research provides a solution for schools as an evaluation material for the effectiveness of online learning during the Covid-19 pandemic. And also for related parties as a reference for an evaluation or development of further research with the same research object. The results obtained from research conducted on 60 students at SMK Islam Nurul Huda using a questionnaire by submitting a statement of agree and disagree and using 3 clusters. Namely high, medium and low. So that it produces the value of the final iteration, namely the level of the statement that does not agree, which is categorized as high with a value of 7.69 compared to the agreement which is categorized as low with a value of 4.09, while for the level of the medium category there is no value with a value of 0.00. It can be said that results like this can be a consideration and improvement for online learning during the Covid-19 pandemic.
Keywords : K-Means Algorithm, Online Learning Satisfaction, Covid-19 Pandemic.


Dengan adanya pandemi covid-19, sehingga mengharuskan pembelajaran dilakukan secara online. Untuk beberapa sekolah terutama yang berada di perkampungan, pembelajaran secara online ini terdapat beberapa faktor yang menghambat proses pembelajaran. Susahnya jaringan internet, terbatasnya kuota, sampai belum terbiasanya penggunaan media pembelajaran. Sehingga terdapat ketidakpuasan serta tanggapan yang berbeda dari kalangan siswa. Penelitian ini menggunakan metode k-means untuk proses clustering agar mendapatkan hasil pengklasifikasian tingkat kepuasan siswa sesuai dengan pengolahan data dari hasil kuesioner yang diberikan kepada siswa. Penelitian ini memberikan solusi untuk sekolah sebagai bahan evaluasi terhadap keefektifitasan pembelajaran online di masa pandemi covid-19. Dan juga untuk pihak terkait sebagai salah satu referensi untuk sebuah evaluasi atau pengembangan penelitian selanjutnya dengan objek penelitian yang sama. Hasil yang diperoleh dari penelitian yang dilakukan kepada 60 siswa di SMK Islam Nurul Huda menggunakan kuesioner dengan mengajukan pernyataan setuju dan tidak setuju dan menggunakan 3 cluster. Yaitu tinggi,sedang dan rendah. Sehingga menghasilkan nilai dari iterasi akhir, yaitu tingkat pernyataan yang tidak setuju yaitu dikategorikan tinggi dengan nilai 7.69 dibandingkan dengan dengan pernyataan setuju yang dikategorikan rendah dengan nilai 4.09, sedangkan untuk tingkat kategori sedang tidak ada dengan nilai 0.00. Bisa dikatakan bahwa dengan hasil seperti ini bisa menjadi pertimbangan dan perbaikan untuk pembelajaran online di masa pandemi covid-19.
Kata Kunci: Algoritma K-Means, Kepuasan Pembelajaran Online, Pandemi Covid-19


Keywords


K-Means Algorithm; Online Learning Satisfaction; Covid-19 Pandemic

Full Text:

PDF

References


Agus Nur Khormarudin. (2016). Teknik Data Mining : Algoritma K-Means Clustering. IlmuKomputer.Com, 1–12. Retrieved from https://ilmukomputer.org/category/datamining/

Carolina, I., Supriyatna, A., Puspitasari, D., Bina, U., & Informatika, S. (2020). Analisa Tingkat Kepuasan Mahasiswa Terhadap Perkuliahan Daring Pada Era Pandemi Covid 19. 2, 342–347.

Kitchenham, B. (2004). Procedures for Performing Systematic Reviews Kitchenham, B., 2004. Keele, UK, Keele University, 33(2004), 1–26.

Nishom, M., Informatika, J. T., Bersama, P. H., & Bersama, P. H. (2019). Perbandingan Akurasi Euclidean Distance , Minkowski Distance , dan Manhattan Distance pada Algoritma K- Means Clustering berbasis Chi-Square. 04(01), 20–24. https://doi.org/10.30591/jpit.v4i1.1253

Gustian, D., Hasman, D., Supardi, D., Nurjanah, S., Darmawan, A., Suciati, I., & Hundayani, R. D. (2020). Combination of analytical hierarchy processes with fuzzy c- means in selecting quality broiler chicken. IOP Conference Series: Earth and Environmental Science, 472(1). https://doi.org/10.1088/1755-1315/472/1/012048

Prasetya, T. A., & Harjanto, C. T. (2020). Pengaruh Mutu Pembelajaran Online Dan Tingkat Kepuasan Mahasiswa Terhadap Hasil Belajar Saat Pandemi Covid19. Pendidikan Teknologi Dan Kejuruan, 17(2), 188–197.

Pusparisa, Y. (2020a). Kasus Covid-19 Bertambah 4.538 Kasus (Rabu, 7/10).

Pusparisa, Y. (2020b). Pandemi Covid-19, Puluhan Juta Murid Belajar di Rumah.

Rinaldi, A. R., Surlanto, L., Sudrajat, D., & Kurnia, D. A. (2019). AnalisaTingkat Kepuasan Mahasiswa Terhadap Layanan Pembelajaran Menggunakan K-Means dan Algoritma Genetika. Jurnal ICT : Information Communication & Technology, 18(1), 60–64. https://doi.org/10.36054/jict-ikmi.v18i1.55

Sadewo, M. G., Windarto, A. P., Andani, S. R., & Handrizal. (2017). Pemanfaatan Algoritma Clushtering Dalam Mengelompokkan Jumlah Desa / Kelurahan Yang Memiliki Sarana Kesehatan Menurut Provinsi Dengan K-Means. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 1(1), 124–131. Retrieved from https://ejurnal.stmik-budidarma.ac.id/index.php/komik/article/view/483/424

Wahono, R. S. (2015). A Systematic Literature Review of Software Defect Prediction: Research Trends, Datasets, Methods and Frameworks. Journal of Software Engineering, 1(1), 1–16.


Refbacks

  • There are currently no refbacks.