CLUSTERING KEBIASAAN MEMBACA BUKU PADA MAHASISWA DI KOTA KENDARI

agrian wahab wahab

Abstract


Salah satu topik yang menarik dalam bidang analisis data dan pemodelan telah menjadi identifikasi kebiasaan membaca buku siswa dengan menggunakan metode clustering K-Means. Metode ini telah menghasilkan kemajuan besar dalam pemahaman kami tentang kecenderungan siswa untuk membaca buku dan preferensi mereka. Tujuan penelitian ini adalah untuk menerapkan dan mengevaluasi metode clustering K-Means untuk mengelompokkan kebiasaan membaca buku siswa. Data yang kami gunakan mencakup waktu, frekuensi, dan jenis buku yang dibaca oleh siswa. Penelitian ini menganalisis kemampuan metode K-Means Clustering untuk menentukan kelompok siswa dengan kebiasaan membaca yang sebanding. Selain itu, analisis karakteristik dari setiap kelompok juga mencakup analisis preferensi buku siswa yang paling umum.Hasil penelitian ini menunjukkan bahwa metode clustering K-Means efektif dalam mengelompokkan kebiasaan membaca buku siswa. Kelompok yang terbentuk menunjukkan pola dan preferensi yang serupa dalam hal waktu yang dihabiskan untuk membaca buku, frekuensi membaca, dan genre yang diminati.Dengan menggunakan metode clustering, penelitian ini membuat kemajuan unik dalam pemahaman kebiasaan membaca buku mahasiswa. Temuan penelitian ini dapat digunakan sebagai dasar untuk membangun metode yang tepat untuk meningkatkan minat dan kebiasaan membaca siswa. 


Keywords


Minat Baca, K-Means, Clustering

References


M. Y. Rizki, S. Maysaroh, and A. P. Windarto, “Implementasi K-Means Clushtering dalam Mengelompokkan Minat Membaca Penduduk Menurut Wilayah,” JUST IT: Jurnal Sistem Informasi, Teknologi Informasi dan Komputer, vol. 11, no. 2, pp. 41–49, 2021.

A. L. Maukar, F. Marisa, A. A. Widodo, N. Kamilaningtyas, D. Novian, and D. Nugraha, “ANALISIS DATA PENERIMAAN MAHASISWA BARU BERBASIS K-MEANS,” Jurnal Informatika dan Komputer), vol. 6, no. 2, pp. 142–147, 2022.

D. R. Agustian and B. A. Darmawan, “Analisis Clustering Demam Berdarah Dengue Dengan Algoritma K-Medoids (Studi Kasus Kabupaten Karawang),” JIKO (Jurnal Informatika dan Komputer), vol. 6, no. 1, pp. 18–26, 2022.

L. Iryani, “Penerapan Datamining Menentukan Minat Baca Mahasiswa Di Perpustakaan Universitas Bina Darma Palembang Menggunakan Metode Clustering,” INTECOMS: Journal of Information Technology and Computer Science, vol. 3, no. 1, pp. 82–89, 2020.

I. A. Nikmatun and I. Waspada, “Implementasi data mining untuk klasifikasi masa studi mahasiswa menggunakan algoritma K-Nearest Neighbor,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 10, no. 2, pp. 421–432, 2019.

D. Fakhri, S. Defit, and S. Sumijan, “Optimalisasi Pelayanan Perpustakaan terhadap Minat Baca Menggunakan Metode K-Means Clustering,” Jurnal Informasi dan Teknologi, pp. 160–166, Sep. 2021, doi: 10.37034/jidt.v3i3.137.

R. Adhitama, A. Burhanuddin, and R. Ananda, “Penentuan jumlah cluster ideal SMK di Jawa Tengah dengan Metode X-means clustering dan K-means clustering,” JIKO (Jurnal Informatika dan Komputer), vol. 3, no. 1, pp. 1–5, 2020.

A. Winarta and W. J. Kurniawan, “Optimasi cluster k-means menggunakan metode elbow pada data pengguna narkoba dengan pemrograman python,” JTIK (Jurnal Teknik Informatika Kaputama), vol. 5, no. 1, pp. 113–119, 2021.

M. R. Muttaqin and M. Defriani, “Algoritma K-Means untuk Pengelompokan Topik Skripsi Mahasiswa,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 121–129, 2020.

A. Asroni, H. Fitri, and E. Prasetyo, “Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik),” Semesta Teknika, vol. 21, no. 1, pp. 60–64, 2018.

Y. Febriani, Y. P. Sari, and D. Octaria, “Metode K-Means Cluster Untuk Mengelompokkan Kota/Kabupaten di Sumatera Selatan Berdasarkan Produksi Ikan Air Tawar,” Sainmatika: Jurnal Ilmiah Matematika dan Ilmu Pengetahuan Alam, vol. 18, no. 2, pp. 175–182, 2021.




DOI: http://dx.doi.org/10.26798/jiko.v9i1.952

Article Metrics

Abstract view : 0 times
PDF (Bahasa Indonesia) - 0 times

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Copyright (c) 2025 agrian wahab wahab

JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.