SISTEM KLASIFIKASI SISWA MTs NU TRATE GRESIK MENGGUNAKAN METODE CLUSTERING SOM (SELF ORGANIZING MAPS)

Rahmaniya, Nurul Izza (2018) SISTEM KLASIFIKASI SISWA MTs NU TRATE GRESIK MENGGUNAKAN METODE CLUSTERING SOM (SELF ORGANIZING MAPS). undergraduate thesis, Universitas Muhammadiyah Gresik.

Preview	Text 13. Intisari.pdf Download (99kB) | Preview
Preview	Text BAB 1.pdf Download (108kB) | Preview
Preview	Text BAB 2.pdf Download (242kB) | Preview
Preview	Text BAB 3.pdf Download (946kB) | Preview
	Text BAB 4.pdf Restricted to Registered users only Download (595kB)
Preview	Text BAB 5.pdf Download (102kB) | Preview

Abstract

Program kelas unggulan adalah program yang dicanangkan di MTs NU Trate Gresik sejak dua periode tahun ajaran terakhir pada kelas 8 dan 9. Program ini dilakukan dengan mengelompokkan siswa yang memiliki potensi akademik maupun non akademik yang lebih tinggi dari siswa yang lain kedalam satu kelas khusus. Dengan menempatkan para siswa berpotensi tersebut kedalam lingkungan yang lebih kondusif dan seragam, diharapkan dapat memudahkan penyampaian materi pelajaran sehingga dapat meningkatkan potensi siswa dalam bidang akademik maupun non akademik. Realita yang ada di lapangan menunjukkan beberapa siswa justru mengalami penurunan nilai akademik maupun nilai agama setelah masuk ke dalam kelas unggulan. Hal ini dimungkinkan karena proses pengelompokan sebelumnya yang kurang homogen, sehingga beberapa siswa tersebut tidak dapat mengikuti ritme pembelajaran di kelas unggulan. Berdasarkan permasalah tersebut, maka diperlukan sebuah metode yang dapat mengelompokkan data dengan karakteristik yang sama kedalam satu kelompok dan data dengan karakteristik berbeda kedalam kelompok yang lain. Penelitian ini dilakukan dengan menggunakan bantuan metode SOM (Self Organizing Maps) untuk clustering data guna mendapatkan kelompok data yang lebih homogen dalam satu kelas. Hasil clustering tersebut kemudian diklasifikasikan. Hasil penelitian ini menunjukkan bahwa dengan bantuan metode clustering SOM (Self Organizing Maps) untuk melakukan klasifikasi, tingkat akurasi yang didapat mencapai 88,83 % (good classification), sementara error dalam proses clusteringnya sebesar 0,097.

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Shandy Rahma Ramadhan, S.IIP
Date Deposited:	08 Nov 2018 12:30
Last Modified:	08 Mar 2019 06:15
URI:	http://eprints.umg.ac.id/id/eprint/632

Actions (login required)

View Item