IMPLEMENTASI ALGORITMA SELF-ORGANIZING MAP UNTUK CLUSTERING PENDIDIKAN SEKOLAH DASAR DI INDONESIA

ADHIKA BAGUS SYAH PUTRA

Informasi Umum

Kode

19.04.3183

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

60 kali

Informasi Lainnya

Abstraksi

Peningkatan mutu pendidikan dirasakan sebagai suatu kebutuhan bangsa yang ingin maju. Dengan keyakinan bahwa pendidikan yang bermutu dapat menunjang pembangunan disegala bidang. Namun, sebanyak 600.000 anak sekolah dasar di Indonesia yang seharusnya bersekolah tetapi tidak dapat menikmati Pendidikan. Pendidikan masih menjadi isu yang tak pernah habis dibicarakan di negeri ini. Masih banyak sekali permasalahan pendidikan yang ada di Indonesia sehingga mendorong banyak pihak untuk melakukan aksi demi memperbaiki kondisi ini. Berdasarkan permasalahan tersebut, akan dibuat solusi berupa hasil analisis dan pengelompokan data pendidikan sekolah dasar di Indonesia dengan menggunakan metode Self-Organizing Map untuk melihat hasil visualisasi data yang telah dikelompokkan.

Self-Organizing Map merupakan salah satu teknik dalam Neural Network yang bertujuan untuk melakukan visualisasi data dengan cara mengurangi dimensi data melalui penggunaan Self-Organizing Map, sehingga manusia dapat mengerti high-dimensional data yang dipetakan dalam bentuk low-dimensional data. Clustering data yang dilakukan dengan menggunakan data yang didapat dari Kementerian Pendidikan dan Kebudayaan Republik Indonesia. Data yang digunakan berupa gabungan dari beberapa fitur data yang dijadikan ke dalam satu file data berformat Microsoft Excel .csv.

Aplikasi berupa web yang diimplementasikan menggunakan R Shiny pada bahasa R Programming. Web ini akan menampilkan tabel data uji sekolah dasar, codebook vectors algoritma Self-Organizing Map, training mean distance, dan tabel data baru dengan penambahan cluster plot lingkaran untuk menampilkan hasil berupa pengelompokan data yang dilakukan dan plot penempatan anggota provinsi dikelompokkan pada cluster dan lingkaran keberapa. Visualisasi data juga digunakan untuk melihat karakteristik dari masing-masing cluster yang telah dikelompokkan dan untuk mendapatkan hasil analisis yang dicari.