Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
PREDIKSI NILAI UNAS SISWA SMP MENGGUNAKAN METODE K-MEANS CLUSTERING DAN REGRESI LINIER SEDERHANA
YOGI PRASETYO (2016) | Skripsi | -
Bagikan
Ringkasan
Sekolah Menengah Pertama (SMP) merupakan sekolah wajib belajar bagi setiap warga negara berusia 7 Ãâ 15 tahun di Indonesia. Oleh karena itu perlu untuk meningkatkan kualitas dan kuantitas Sekolah Menengah Pertama (SMP) yaitu dengan mengembangkan suatu aplikasi yang dapat di gunakan untuk memprediksi nilai UNAS siswa Sekolah Menengah Pertama (SMP) sebagai bahan evaluasi guru untuk menghadapi UNAS siswa Sekolah Menengah Pertama (SMP).Sebagai inputan digunakannilai ulangan harian dan nilai UTS dari 4 mata pelajaran yaitu Bahasa Indonesia, Bahasa Inggris, Matematika dan IPA yang akan di proses yaitu dengan menggunkan metode KÃâMeans Clustering untuk proses pengelompokkan data. Selanjutnya digunakan metodeRegresi LinierSederhana untuk mendapatkan nilai prediksi nilai UNAS siswa dengan inputan hasil cluster dari proses KÃâMeans Clusteringdan nilai UAS siswa. Hasil dari nilai prediksi tersebut kemudian di proses kembali menggunakan RMSE (Root Mean Squared Error) untuk mengetahui tingkat akurasi prediksi nilai UNAS siswa.Setelah menggunakan metode K-Means dengan beberapa centroid dan Regresi Linier Sederhana didapatkan hasil prosentase tingkat akurasi prediksi nilai UNAS siswa yang terkecil dengan metode RMSE (Root Means Squared Error) pada mata pelajaran bahasa Indonesia adalah 41.5, bahasa Inggris adalah 51.3, IPA adalah 13.8, dan Matematika adalah 44.3 .
Ringkasan Alternatif
School (SMP) is a school compulsory for every citizen aged 7-15 years in Indonesia. Therefore it is necessary to improve the quality and quantity of junior high school (SMP) is to develop an application that can be used to predict the value UNAS school students (SMP) as an evaluation of teachers to deal with students UNAS Junior High School (SMP). as input digunakannilai daily tests and UTS value of 4 subjects namely Indonesian, English, Mathematics and Science which will be processed by using a method that is K-Means Clustering for the process of grouping data. Subsequently used metodeRegresi LinierSederhana to obtain predictive value UNAS students with input cluster results from the process Clusteringdan grades K-Means UAS students. Results of the predicted value is then in the process of re-using RMSE (Root Mean Squared Error) to determine the level of accuracy of prediction of UNAS siswa.Setelah using the K-Means method with multiple centroid and Simple Linear Regression showed the percentage of prediction accuracy rate of UNAS student smallest by methods RMSE (Root Means Squared Error) on the subjects was 41.5 Indonesian, English is 51.3, IPA is 13.8, and Mathematics was 44.3.