Penerapan Density-Based Spatial Clustering of Applications with Noise untuk Analisis Data Peserta Didik pada SMA Negeri 2 Samboja
DBSCAN
Keywords:
DBSCAN, Clustering, Peserta Didik, SMA Negeri 2Abstract
Pengelolaan data peserta didik yang jumlahnya besar seringkali menghadapi kendala dalam proses analisis, terutama untuk menemukan pola yang bermanfaat bagi pengambilan keputusan sekolah. Penelitian ini bertujuan menerapkan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN) untuk menganalisis data peserta didik pada SMA Negeri 2. DBSCAN dipilih karena mampu mengelompokkan data dengan bentuk cluster tidak beraturan dan mengidentifikasi outlier (noise). Penelitian menggunakan metode kuantitatif dengan data sekunder berupa profil peserta didik. Tahapan penelitian meliputi preprocessing data, penentuan parameter epsilon dan minPts, serta penerapan algoritma DBSCAN. Hasil penelitian menunjukkan bahwa DBSCAN dapat mengelompokkan peserta didik ke dalam beberapa cluster yang menggambarkan karakteristik tertentu, serta mendeteksi data yang menyimpang. Temuan ini dapat menjadi dasar bagi pihak sekolah dalam menyusun strategi pembinaan siswa sesuai karakteristik kelompok.References
Anggara, R., Rahman, A., & Si, S. (2022). Implementasi algoritma DBSCAN dalam mengelompokkan data pasien terdiagnosa penyakit ginjal kronis (PGK). Jurnal AlgoritmeCCS, 1(1), 114–123. https://doi.org/10.35957/algoritme.xxxx
Asrulla, A., Risnita, R., Jailani, M. S., & Jeka, F. (2023). Populasi dan sampling (kuantitatif), serta pemilihan informan kunci (kualitatif) dalam pendekatan praktis. Retrieved from https://www.researchgate.net/publication/386875018
Devi, A. S., Putra, I. K. G. D., & Sukarsa, I. M. (2015). Implementasi metode clustering DBSCAN pada proses pengambilan keputusan. Lontar Komputer: Jurnal Ilmiah Teknologi Informasi, 6(3), 185. https://doi.org/10.24843/lkjiti.2015.v06.i03.p05
Hasan, Y. (2024). Pengukuran silhouette score dan Davies-Bouldin index pada hasil cluster K-Means dan DBSCAN. Jurnal Informatika dan Teknik Elektro Terapan, 12(3S1). https://doi.org/10.23960/jitet.v12i3s1.5001
Lastari, W. (2023). Penerapan data mining untuk memprediksi prestasi siswa SMA pada Dinas Pendidikan Provinsi Jambi.
Mai, P., et al. (2022). Implementasi data mining menggunakan algoritma Apriori dalam menentukan persediaan barang (Studi kasus: Toko Sinar Harahap). Retrieved from https://jurnal.umj.ac.id/index.php/just-it/index
Nugraha, A., Nurdiawan, O., & Dwilestari, G. (2022). Penerapan data mining metode K-Means clustering untuk analisa penjualan pada Toko Yana Sport.
Nurina Sari, B., Primajaya, A., & Ronggowaluyo, J. H. (2019). Penerapan clustering DBSCAN untuk pertanian padi di Kabupaten Karawang. Retrieved from http://www.mapcoordinates.net/en
Oktaviani, F., & Damayanti, N. R. (2024). Analisis data peserta didik sekolah menengah atas (SMA) menggunakan visualisasi Google Looker Studio. JSAI: Journal Scientific and Applied Informatics, 7(3). https://doi.org/10.36085
Prana, A., Sembiring, U., & Ginting, M. (n.d.). Analisis faktor-faktor yang mempengaruhi pengunduran diri mahasiswa dengan aplikasi data mining add-ins (Studi kasus pada STMIK Mikroskil).
Qadrini, L., et al. (2020). Metode K-Means dan DBSCAN pada pengelompokan data dasar kompetensi laboratorium ITS tahun 2017. Retrieved from http://www.unipasby.ac.id
Rahmah, S., Jamil, M., Aslindah, A., Fawait, A. B., & Saputra, Y. F. (2025). Pengelompokan hasil pembelajaran mahasiswa dengan algoritma K-Means clustering. Jurnal Pengabdian Masyarakat dan Riset Pendidikan, 3(4), 4215–4221. https://doi.org/10.31004/jerkin.v3i4.1217
Resnawati, R., Fadjryani, F., Najar, A. M., Puspita, J. W., Bin Mardi, A., & Abu, M. (2024). Pelatihan dan pendampingan pemrograman Python dalam meningkatkan kompetensi siswa SMKN 5 Palu. Jurnal Pengabdian Farmasi dan Sains, 2(2), 6–12. https://doi.org/10.22487/jpsf.2024.v2.i2.16879
Wardhana, A. (2024). Teknik pengumpulan data penelitian. Retrieved from https://www.researchgate.net/publication/382060598
Yadav, S. K., & Pal, S. (2012). Data mining: A prediction for performance improvement of engineering students using classification. World of Computer Science and Information Technology Journal, 2(2), 51–56.
Yanuar, A., & Andarsyah, R. (2024). Sentimen analisis aplikasi PosAja pada Google Playstore untuk peningkatan Pospay Superapp menggunakan Support Vector Machine.
