KOMPARASI ALGORITMA FUZZY C-MEANS DAN ALGORITMA K-NEAREST NEIGHBOR DALAM PENGELOMPOKAN ROMBONGAN BELAJAR SISWA BARU (STUDI KASUS: SISWA BARU MADRASAH ALIYAH NEGERI 01 KOTA BENGKULU)

Abstract

Setiap tahun ajaran baru Madrasah Aliyah 01 Model,  Bengkulu akan mengadakan penerimaan siswa baru. Kegiatan ini menimbulkan masalah dalam  kelompok studi mahasiswa baru ke dalam kelompok belajar yang sama. Proses pengelompokan ini dikenal sebagai clustering. Beberapa algoritma clustering yang digunakan adalah algoritma  fuzzy c-means dan  k-nearest neighbor. Untuk memenuhi  kebutuhan akan aplikasi  clustering yang dapat digunakan dalam memecahkan masalah tersebut, penelitian ini bertujuan membangun aplikasi pengelompokan kelas bagi siswa baru dan juga untuk  membandingkan kinerja algoritma  fuzzy c-means dan  k-nearest neighbor. Penelitian ini menggunakan NetBeans IDE 6.0.1 sebagai perangkat lunak, metode pengembangan sekuensial linier, perangkat lunak analisis dan desain menggunakan Unified Modeling Language (UML). Hasil penelitian ini menunjukkan bahwa sistem ini mampu mengklasifikasikan kelompok  belajar (RomBel) siswa secara sama, dengan sedikit perbedaan antara kelompok yang satu dengan  yang lainnya dalam nilai akademis. Selain algoritma fuzzy c-means lebih baik daripada algoritma k-nearest neighbor dalam hal pengelompokkan, tetapi algoritma k-nearest neighbor memiliki waktu CPU yang memproses jauh lebih cepat daripada algoritma fuzzy c-means.

Kata Kunci: Fuzzy C-Means, K-nearest Neighbor, Clustering