PEMETAAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN NILAI UJIAN NASIONAL SMA/MA JURUSAN IPA TAHUN 2107 MENGGUNAKAN METODE CLUSTERING | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PEMETAAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN NILAI UJIAN NASIONAL SMA/MA JURUSAN IPA TAHUN 2107 MENGGUNAKAN METODE CLUSTERING


Pengarang

Melia Hardianti - Personal Name;

Dosen Pembimbing



Nomor Pokok Mahasiswa

1508108010009

Fakultas & Prodi

Fakultas MIPA / Statistika (S1) / PDDIKTI : 49201

Penerbit

Banda Aceh : FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SYIAH KUALA., 2019

Bahasa

Indonesia

No Classification

1

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

ABSTRAK

Penentuan keberhasilan pembelajaran siswa secara nasional ditentukan berdasarkan tes yang diselenggarakan oleh Badan Standar Nasional Pendidikan (BSNP) dalam bentuk Ujian Nasional (UN). Pelaksanaan UN di tingkat SMA/MA dilakukan untuk semua jurusan, yaitu jurusan IPA, IPS dan Bahasa. Pada tahun 2017, terdapat empat mata pelajaran yang dievaluasi dalam UN, antara lain Bahasa Indonesia, Matematika, Bahasa Inggris, dan satu mata pelajaran pilihan sesuai jurusan. Untuk jurusan IPA, mata pelajaran pilihan tersebut adalah salah satu dari mata pelajaran Fisika, Kimia, dan Biologi. Terdapat 12 kab/kota di Indonesia yang nilai UN-nya tidak tersedia pada mata pelajaran Fisika dan Kimia. Untuk mengatasi hal tersebut diperlukan suatu metode, salah satunya dengan menggunakan imputasi. Nilai UN dapat memberikan gambaran mengenai mutu pendidikan daerah, salah satunya dengan pemetaan. Proses pemetaan akan lebih sederhana jika kab/kota di Indonesia dikelompokan terlebih dahulu, metode pengelompokan yang digunakan adalah metode clustering. Tujuan penelitian ini adalah mengelompokkan kab/kota di Indonesia menggunakan nilai UN SMA/MA jurusan IPA Tahun 2017 berdasarkan metode terbaik dan jumlah cluster optimal. Kemudian menyusun peringkat kab/kota dari hasil pengelompokan yang telah dilakukan. Hasil yang diperoleh untuk pemilihan metode terbaik berdasarkan validitas cluster yaitu metode single. Akan tetapi, karena jumlah cluster yang terbentuk pada metode single tidak dapat mewakili objek yang ada di dalam masing-masing cluster, sehingga diputuskan untuk menggunakan metode k-means yang merupakan metode terbaik kedua yang terpilih berdasarkan validitas cluster. Penggunaan metode k-means memberikan hasil pengelompokan yang lebih baik dengan jumlah cluster sebanyak 3. Cluster 1 beranggotakan 210 kab/kota, cluster 2 beranggotakan 188 kab/kota dan cluster 3 beranggotakan 114 kab/kota.

Kata kunci: Ujian Nasional, Imputasi, Clustering, K-means.














ABSTRACT

The success determination of learning nationally determined by a test that conducted by the National Education Standards Agency (BSNP) in the form of the National Examination (UN). The implementation of the National Examination of high school level is carried out for all majors, that are Science, Social Science and Language .In 2017, there are four subjects that evaluated in the National Examination including Bahasa, Math, English, and one from an elective according to the student department. For the science department, the elective subjects are one of the subjects of Physics, Chemistry, and Biology. There are 12 districts/cities in Indonesia whose UN scores are not available on Physics and Chemistry subjects. To overcome this problem, a method is needed, one of which is by using imputation. UN score can provide an illustration the quality of regional education, one of them is by mapping. The process of the mapping will be much easier if the districts/cities in Indonesia arranged beforehand, a method of a grouping that is used called clustering method. The purpose of this study is to classify district/city in Indonesia based on national Examination score of science major in high school by using the best method and the optimal number of clusters. Then arrange the districts/cities from the results of the grouping. The results obtained for the selection of the best method is the k-means method, because the k-means method has the lowest APN value and connectivity compared to other methods, also has the highest dunn index value and the highest silhouette width. The use of the k-means method provides better grouping results with a number of 3 clusters. Cluster 1 consist of 210 districts/cities, cluster 2 has 188 districts/cities and cluster of 3 consist of 114 districts/cities.
keywords: National Examination, Imputation, Clustering, K-means

Tidak Tersedia Deskripsi

Citation



    SERVICES DESK