Putra, Aditya Wahyubudi (2018) Pengelompokan Sekolah Menengah Atas/Sederajat Di Provinsi Nusa Tenggara Berdasarkan Kualitas Sekolah Barat Menggunakan Metode Similarity Weight And Filter Method. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1313100136-Undergraduate_Theses.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Provinsi Nusa Tenggara Barat terdiri dari 2 pulau besar yaitu pulau Lombok dan pulau Sumbawa yang terdiri dari 8 kabupaten dan 2 kota. Kualitas sekolah di NTB sangat bervariasi dikarenakan sangat luas sehingga kualitas sekolah di NTB berbeda-beda. Penelitian ini difokuskan pada sekolah SMA dan SMK yang berada di Provinsi Nusa Tenggara Barat sebanyak 597 sekolah.. Tujuan penelitian untuk mengelompokan SMA dan SMK yang berada di Provinsi Nusa Tenggara Barat menggunakan Similarity Weight and Filter Method (SWFM) menurut aspek kualitas sekolah.. Terdapat 2 metode pengelompokan yaitu pengelompokan data numerik dan kategorik.. Untuk variabel numerik yang digunakan adalah Rasio siswa/rombel, Jumlah guru tetap, Persentase peserta didik putus sekolah, Jumlah tenaga pendidik berijazah dan Rata-rata nilai UN sedangkan untuk variabel kategorik yang digunakan adalah Akreditasi sekolah, Status sekolah, Waktu penyelenggaraan sekolah serta Ketersedian sarana dan prasarana. Metode pengelompokan untuk data numerik menggunakan metode k-means sedangkan untuk metode pengelompokan data kategorik menggunakan metode ROCK. kemudian untuk pengelompokan kedua data tersebut menggunakan metode SWFM. Pada analisis klaster data numerik, diperoleh 2 jumlah kelompok optimum menggunakan metode k-means dengan nilai pseudo-f sebesar 812,709. Pada analisis klaster data kategorik menggunakan metode ROCK dihasilkan dua kelompok dengan nilai threshold (θ) sebesar 0.02. sedangkan pada pengelompokan ensemble SWFM menghasilkan nilai rasio terkecil pada jumlah 3 kelompok sebesar 0.47.
================================================================================================================== West Nusa Tenggara Province consists of two large island which is Lombok Island and Sumbawa Island that consist of
eight regions and two cities. School quality in NTB very various because of large area, so that the school quality has different each other. This research focused on Senior
High School dan Vocational High School in West Nusa Tenggara Province as many as 597 schools. Therefore,
this research is purpose to grouping SMA and SMK in West Nusa Tenggara Province with Similarity Weight and Filter Method (SWFM) based on school’s quality. There are
two kinds of grouping methods is numerical data grouping and categorical.
Variable of numerical data are ratio of student per study, number of permanent teacher, percentage of participant leaving school, number of certificated teacher and average of national test. Variable of categorical data are Accreditation of school, school status, time ope
ration of the school and Availability facilities.
Numerical data grouping for numerical data uses ROCK methods, then secondary grouping is done for two same data using SWFM methods. Cluster analysis numerical data
obtained two optimum group using k-means with pseudo
-f value of 812,709. Cluster categorical data analyisis using ROCK methods generated two groups with threshold value (θ)of 0.02, while on ensemble SWFM grouping generated the smallest ratio of three cluster with the value
of 0.47.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSt 519.53 Put p |
| Uncontrolled Keywords: | ROCK methods; Cluster analysis; SWFM methods; Similarity Weight and Filter Method (SWFM) |
| Subjects: | H Social Sciences > HA Statistics Q Science > QA Mathematics > QA278.55 Cluster analysis |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Aditya Wahyubudi Putra |
| Date Deposited: | 27 Apr 2018 07:31 |
| Last Modified: | 02 Jul 2020 07:41 |
| URI: | http://repository.its.ac.id/id/eprint/51109 |
Actions (login required)
 |
View Item |