Analisis Metode SAW Pada Perangkingan Hasil Clustering K-Means Data Evaluasi Kemampuan Dasar Pemrograman Mahasiswa
DOI:
https://doi.org/10.25077/TEKNOSI.v11i2.2025.178-184Kata Kunci:
K-means, Clustering, Analsis, SAWAbstrak
Di era digital, volume data yang dihasilkan terus meningkat dengan cepat, sehingga kebutuhan akan metode efektif untuk menganalisis dan menemukan pola dalam data menjadi sangat penting. Salah satu teknik yang sering digunakan untuk mengelompokkan data adalah clustering, khususnya metode K-Means. Namun, K-Means memiliki kelemahan dalam pelabelan cluster karena sifatnya yang unsupervised, yang membuat interpretasi hasil menjadi lebih sulit. Untuk mengatasi kelemahan ini, penelitian ini menggabungkan metode Simple Additive Weighting (SAW) dengan K-Means, di mana SAW digunakan untuk menilai hasil pengelompokan yang dihasilkan K-Means dan memberikan bobot pada berbagai kriteria evaluasi. Penelitian ini dilakukan dalam konteks Program Studi D4 Teknologi Rekayasa Perangkat Lunak guna mengevaluasi kemampuan dasar pemrograman mahasiswa. Dengan menggunakan kombinasi kedua metode ini, diharapkan pengelompokan data menjadi lebih akurat dan optimal, serta dapat membantu proses penilaian hasil clustering secara lebih informatif. Hasil penelitian ini menunjukkan bahwa integrasi SAW dapat meningkatkan kualitas pengelompokan dengan membantu menentukan centroid yang lebih tepat dan menilai hasil pengelompokan secara lebih mendalamReferensi
Y. E. Fadrial, “Klasterisasi Hasil Evaluasi Akademik Menggunakan Metode K-Means (Studi Kasus Fakultas Ilmu Komputer Unilak),” in Prosiding-Seminar Nasional Teknologi Informasi dan Ilmu Komputer (SEMASTER), 2020, pp. 53–65.
A. Yudhistira and R. Andika, “Pengelompokan Data Nilai Siswa Menggunakan Metode K-means Clustering,” Journal of Artificial Intelligence and Technology Information (JAITI), vol. 1, no. 1, pp. 20–28, Feb. 2023, doi: 10.58602/jaiti.v1i1.22.
F. Handayani, “Aplikasi Data Mining Menggunakan Algoritma K-means Clustering untuk Mengelompokkan Mahasiswa Berdasarkan Gaya Belajar,” Jurnal Teknologi dan Informasi, doi: 10.34010/jati.v12i1.
A. Abdurrahman and F. Ismawan, “Model Machine Learning Klasifikasi Data Sekolah Tk Berdasarkan Status Dan Kabupaten/Kota Administrasi Provinsi Dki Jakarta,” vol. 15, no. 2, pp. 1979–276, 2022, doi: 10.30998/faktorexacta.v15i2.13211.
K. P. Sinaga and M. S. Yang, “Unsupervised K-means clustering algorithm,” IEEE Access, vol. 8, 2020, doi: 10.1109/ACCESS.2020.2988796.
M. Rival, M. Misriani, and L. O. Bakrim, “Penerapan Metode Cluster Dalam Data Mining Mengelompokkan Kenakalan Remaja (Studi Kasus Polda Sultra),” SIMKOM, vol. 9, no. 1, 2024, doi: 10.51717/simkom.v9i1.375.
N. Husnaningtyas and T. Dewayanto, “Financial Fraud Detection And Machine Learning Algorithm (Unsupervised Learning) Systematic Literature Review,” Jurnal Riset Akuntansi dan Bisnis Airlangga, vol. 8, no. 2, p. 2023, [Online]. Available: https://e-journal.unair.ac.id/jraba
M. M. Sebatubun and A. Prayitna, “Implementasi Metode Elbow Dan Kmeans Clustering Untuk,” Jurnal Informasi Interaktif, vol. 8, no. 2, 2023.
M. P. A. Ariawan, I. B. A. Peling, and G. B. Subiksa, “Prediksi Nilai Akhir Matakuliah Mahasiswa Menggunakan Metode K-means Clustering ,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 9, no. 2, 2023, doi: 10.25077/teknosi.v9i2.2023.122-131
Refiza, Penerapan Metode Simple Additive Weighting (Saw) Untuk Seleksi Tenaga Kerja.
D. A. Rismana, M. I. Hanafri, and M. Iqbal, “Sistem Penunjang Keputusan Evaluasi Kinerja Karyawan Kontrak menggunakan Metode SAW Berbasis Web pada PT EKSTRINDO LAMINASI,” Jurnal Teknologi, Pendidikan dan Manajemen Global, vol. 1, no. 1, pp. 1–6, 2022.
N. S. Ngaeni, K. Kusrini, and K. Kusnawi, “Analisis Kombinasi Algoritma K-means Clustering dan TOPSIS Untuk Menentukan Pendekatan Strategi Marketing Berdasarkan Background Target Audiens,” Journal of Computer System and Informatics (JoSYC), vol. 5, no. 2, pp. 393–403, Feb. 2024, doi: 10.47065/josyc.v5i2.4948.
E. A. Saputra and Y. Nataliani, “Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-means,” Journal of Information Systems and Informatics, vol. 3, no. 3, 2021, doi: 10.51519/journalisi.v3i3.164.
D. Azzahra Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data Untuk Klasifikasi Wine Menggunakan Algoritma K-Nn,” Journal of Computer Engineering System and Science, vol. 4, no. 1, pp. 2502–7131, 2019.
S. Monalisa and F. Kurnia, “Analysis of DBSCAN and K-means algorithm for evaluating outlier on RFM model of customer behaviour,” Telkomnika (Telecommunication Computing Electronics and Control), vol. 17, no. 1, 2019, doi: 10.12928/TELKOMNIKA.v17i1.9394.
S. Monalisa, “Clusterisasi Customer Lifetime Value dengan Model LRFM menggunakan Algoritma K-means,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 2, 2018, doi: 10.25126/jtiik.201852690.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 