Clustering Struktur Pengetahuan pada Open-Ended Concept Map Menggunakan Algoritma K-Means

Agung Andhika Firdiansyah, Muhammad Iqbal Akbar, Didik Dwi Prasetya, I Putu Arda Mahendra

Abstract


Peta konsep adalah alat grafis yang dapat mewakili representasi pengetahuan individu. Kumpulan dari beberapa proposisi yang terhubung akan menjadi sebuah peta konsep dimana proposisi-proposisi tersebut memiliki struktur konsep – link – konsep. Untuk dapat mengetahui struktur pengetahuan yang didiskusikan oleh siswa diperlukan operasi pengelompokan atau clustering pada peta konsep open-ended. Proses clustering menggunakan algoritma k-means yang akan membagi struktur pengetahuan yang dibuat oleh mahasiswa dan dataset yang digunakan diperoleh dari materi database relasional. Sebelum mengolah data untuk mendapatkan hasil struktur pengetahuan yang sering dibahas, diperlukan beberapa tahapan, yaitu pemilihan data, pembersihan data, integrasi data, transformasi data, proses penambangan, dan evaluasi. Data yang digunakan hanya memiliki 1 parameter yaitu proposisi yang telah diolah dari tabel konsep dan tabel link. Evaluasi digunakan untuk mengukur kinerja algoritma clustering k-means dalam mengklasterisasi data struktur pengetahuan pada peta konsep open-ended yang telah dibuat oleh siswa. Dari data yang telah di cluster secara manual diidentifikasi dengan hasil clustering menggunakan algoritma k-means untuk mendapatkan hasil kinerja dari kinerja clustering. Hasil yang diperoleh menunjukkan bahwa algoritma k-means dapat mengelompokkan struktur pengetahuan pada peta konsep open-ended dengan tingkat akurasi sebesar 86,13%.

 


Full Text:

PDF

References


Aditya, A., Jovian, I., & Sari, B. N. (2020). Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019. Jurnal Media Informatika Budidarma, 4(1), 51-58.

Ageberg, E., Bunke, S., Lucander, K., Nilsen, P., & Donaldson, A. (2019). Facilitators to support the implementation of injury prevention training in youth handball: a concept mapping approach. Scandinavian journal of medicine & science in sports, 29(2), 275-285.

Darmi, Y. D., & Setiawan, A. (2016). Penerapan metode clustering k-means dalam pengelompokan penjualan produk. Jurnal Media Infotama, 12(2).

de Ries, K. E., Schaap, H., van Loon, A. M. M., Kral, M. M., & Meijer, P. C. (2021). A literature review of open-ended concept maps as a research instrument to study knowledge and learning. Quality & Quantity, 1-35.

Eska, J. (2018). Penerapan Data Mining Untuk Prediksi Penjualan Wallpaper Menggunakan Algoritma C4. 5. JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 2, Nomor 2, Maret 2016, hlmn 9 – 13 ISSN 2407 - 1811

Fatawi, I., Degeng, I. N. S., Setyosari, P., Ulfa, S., & Hirashima, T. (2020). Effect of online-based concept map on student engagement and learning outcome. International Journal of Distance Education Technologies (IJDET), 18(3), 42-56.

Fauzi, A. (2019, June). PENERAPAN DATA MINING DENGAN TEKNIK CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS PADA DATA TRANSAKSI SUPERST. In SNIA (Seminar Nasional Informatika dan Aplikasinya) (Vol. 3, pp. D-15).

Hirashima, T. (2019). Reconstructional concept map: automatic assessment and reciprocal reconstruction. International Journal of Innovation, Creativity and Change, 5, 669-682.

Hudin, Muhammad Sholeh. "Implementasi Metode Text Mining dan K-Means Clustering untuk Pengelompokan Dokumen Skripsi (Studi Kasus: Universitas Brawijaya)." PhD diss., Universitas Brawijaya, 2018.

Hutagalung, J. (2022). Pemetaan Siswa Kelas Unggulan Menggunakan Algoritma K-Means Clustering. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 9(1), 606-620.

Prasetya, D. D., Hirashima, T., & Hayashi, Y. (2020). Study on Extended Scratch- Build Concept Map to Enhance Students’ Understanding and Promote Quality of Knowledge Structure. International Journal of Advanced Computer Science and Applications, 11(4).

Prasetya, D., Hayashi, Y., & Hirashima, T. (2020). Improving Knowledge Structure through Extended Scratch-Build Concept Mapping. Letters in Information Technology Education (LITE), 3(1), 36–40. https://doi.org/10.17977/um010v3i12020p036

Pratama, E. E., & Sastypratiwi, H. (2021). Analisis kecenderungan informasi terkait COVID-10 berdasarkan big data sosial media dengan menggunakan metode data mining. Jurnal Informatika Polinema, 7(2), 1-6.

Rini, F., & Kahar, N. (2016). Juliana,“Penerapan Algoritma K-Means Pada Pengelompokan Data Siswa Baru Berdasarkan Jurusan Di Smk Negeri 1 Kota Jambi Berbasis Web”.,”. Semin. Nas. APTIKOM, 94-99.

Sangga, V. A. P. (2018). Perbandingan Algoritma K-Means dan Algoritma K- Medoids dalam Pengelompokan Komoditas Peternakan di Provinsi

Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner. JBASE-Journal of Business and Audit Information Systems, 4(1).

Wahyuni, W. A., & Saepudin, S. (2021, September). Penerapan Data Mining Clustering Untuk Mengelompokkan Berbagai Jenis Merk Mesin Cuci. In Seminar Nasional Sistem Informasi dan Manajemen Informatika Universitas Nusa Putra (Vol. 1, No. 01, pp. 306-313).

Zai, C. (2022). Implementasi Data Mining Sebagai Pengolahan Data. Jurnal Portal Data, 2(3).


Refbacks

  • There are currently no refbacks.



 
PANDUAN SUBMITE ARTIKEL
 


Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  senatik@unipma.ac.id
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.