Penerapan Data Mining Terhadap Minat Siswa Dalam Mata Pelajaran Matematika Dengan Metode K-Means
Kumpulan data nilai siswa pada sebuah sekolah dapat diolah dengan memanfaatkan teknologi data mining untuk menghasilkan pengetahuan menarik dan bermanfaat, yang selama ini tidak diketahui secara manual. Salah satu teknik data mining adalah clustering. Algoritma K-Means dapat digunakan untuk mengelompokan minat siswa terhadap mata pelajaran matematika pada sebuah sekolah sehingga dapat bermanfaat bagi pengguna kebijakan dalam proses pengambilan keputusan. Proses ini menghasilkan 2 cluster yaitu ( minat ) Matematika dan ( kurang minat ) matematika, dengan menggunakan teknik data mining menggunakan algoritma K-Means, dan akurasi diukur dengan Davies Bouldin Index. Pengujian menggunakan validasi DBI (Davies Bouldin Index) diperoleh nilai untuk tiap-tiap cluster. Untuk kelas 10 pengujian cluster 1 menghasilkan nilai DBI 0.941 dan cluster 2 nilai DBI 0.335 , kelas 11 pengujian cluster 1 menghasilkan nilai DBI 0.660 dan cluster 2 nilai DBI 0.506, kelas 12 pengujian cluster 1 menghasilkan nilai DBI 0.271 dan cluster 2 nilai DBI 0.111. Dari perhitungan Davies Bouldin Index (DBI) dapat disimpulkan bahwa jika semakin kecil nilai Davies Bouldin Index (DBI) yang diperoleh (non negatif >= 0) maka cluster tersebut semakin baik.