Implementasi Algoritma K-Means Dengan Normalisasi Min-Max Pada Analisis Data Ketidakbersekolahan Anak
DOI:
https://doi.org/10.54259/jdmis.v4i1.7064Keywords:
Data Mining, K-Means Clustering, Normalisasi Min-Max, Ketidakbersekolahan Anak, Min-Max Normalization, Child UnschoolingAbstract
Anak-anak yang tidak bersekolah merupakan suatu masalah dalam dunia pendidikan yang masih menjadi tantangan, terutama di kalangan masyarakat dengan ekonomi rendah. Tingginya jumlah anak yang tidak mengenyam pendidikan dapat mengurangi kualitas sumber daya manusia dan memperbesar kesenjangan sosial. Penelitian ini bertujuan untuk mengkaji ketidakbersekolahan pada anak berdasarkan level pendidikan dan kelompok pengeluaran, dengan menggunakan pendekatan data mining. Metode yang diterapkan mencakup normalisasi Min-Max sebagai langkah awal dalam memproses data serta algoritma K-means Clustering untuk proses pengelompokan. Normalisasi Min-Max digunakan untuk menyamakan skala data dalam rentang 0 hingga 1, sehingga setiap variabel memiliki peran yang seimbang dalam perhitungan jarak. Data yang digunakan adalah data angka anak tidak sekolah Tahun 2023, yang mencakup tingkat pendidikan SD, SMP, dan SMA rentang kelompok pengeluaran dari kuantil 1 hingga 5. Temuan penelitian ini menunjukkan bahwa algoritma K-Means dengan k = 3 dapat mengelompokkan data menjadi tiga kluster utama, yakni tingkat ketidakbersekolahan yang tinggi, sedang, rendah. Ini mengindikasikan adanya hubungan antara level pengeluaran dan partisipasi anak dalam pendidikan.
Downloads
References
Sarfa Wassahua, “Journal MANAGER,” J. Pendidik., vol. 1, no. 2, hal. 93–113, 2016.
A. Dan, V. Data, A. Tidak, S. Di, I. menurut, dan P. Bi, “1 Sistem Informasi, Fakultas Teknik dan Ilmu Komputer , Universitas Islam Indragiri,” vol. 3, no. 1, hal. 28–36, 2025.
A. Maroddin, I. Muh. Said, dan Kasmawati, “Social landscape journal,” Soc. Landsc. J., vol. 3, no. 2, hal. 9–18, 2022.
N. Hayati dan R. Supriadi, “ANALISIS FAKTOR PENYEBAB ANAK TIDAK MELANJUTKAN PELNDIDIKAN KE SEKOLAH MENENGAH ATAS Nur Hayati, Supriadi, Rustiyarso Program Studi pendidikan Sosiologi FKIP UNTAN Pontianak,” no. 1, hal. 1–11, 2018.
S. A. Fahmi, A. Ikhwan, dan F. H. Sibarani, “Implementasi Data Mining Dengan Menggunakan Metode K-Means Clustering Untuk Menentukan Penjualan Sparepart Moblil,” vol. 4, no. 1, hal. 204–209, 2025.
T. A. Siagian, N. Nurdin, dan M. Ula, “Clustering of thel BLelst Senior High Schools in Serdang Bedagai Regency Using the K-Means Method,” J. Sist. Komput. dan Inform., vol. 6, no. 4, hal. 202–208, 2025, doi: 10.30865/json.v6i4.8669.
M. A. Irwansyah, YL. N. Alinda, R. N. Aini, dan I. A. Alfitrah, “KLASIFIKASI KUALITAS PENDIDIKAN SEKOLAH DASAR,” vol. 7, no. 1, hal. 1008–1020, 2025.
R. Sari, M. Yasin, dan U. Asahan, “Penerapan Data mining untuk Clustering Kondisi Sosial Ekonomi Berdasarkan Kepemilikan Jaminan Kesehatan Menggunakan Algoritma untuk merumuskan kebijakan yang lebih efektif. Setellah kelompok-kelompok masyarakat,” no. September, 2025.
D. Anggraini, P. Korespondensi, dan P. Mesin, “Data Mining Pendidikan : Prediksi Gaya Belajar Mahasiswa Educational Data Mining : Predicting of Engineering Students ’ Learning Styles Using Machine Learning,” vol. 11, no. 3, hal. 563–572, 2025.
F. K. Oktorina, T. Rekayasa, L. Politeknik, T. Informatika, dan P. Kampar, “Penerapan Data Mining Untuk Analisis Hasil Belajar Mahasiswa (Studi Kasus Mahasiswa Teknik Informatika Politeknik Kampar),” vol. 5, no. 2, 2025.
N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” J. Ilm. Inform. dan Ilmu Komput., vol. 3, no. 1, hal. 46–56, 2024, doi: 10.58602/jima-ilkom.v3i1.26.
Faozan Dwiki Ramadana, Wahyu Putra Pratama, Cannels Lingga Yogario, Abdul Khohar, dan Ito Setiawan, “Implementasi Algoritma K-Means Clustering terhadap Tingkat Kepuasan Peserta LKP Multi Talenta Komputer Purwokerto,” Mars J. Tek. Mesin, Ind. Elelktro Dan Ilmu Komput., vol. 3, no. 1, hal. 184–193, 2025, doi: 10.61132/mars.v3i1.675.
YL. K. Jain dan S. K. Bhandarel, “International Journal of Computer and Communication Technology Min Max Normalization Baseld Data Perturbation Method for Privacy Protection,” vol. 4, no. 4, 2013, doi: 10.47893/IJCCT.2013.1201.
Maghfiroh, S., Fatah, Z. “Analisis Data Mining dengan Algoritma K-Means Clustering untuk Menentukan Siswa Berprestasi di MTS miftahul ulum bengkak,” vol. 4, 2025.
S. N. Sinha dan R. L. Yadav, “Analysis of Data using K-Means Clustering Algorithm with Min Max Function,” vol. 58, no. 2, hal. 82–84, 2018.
F. Dellia et al., “Penerapan Algoritma K-Means Clustering Dalam Pengelompokan Kepadatan Penduduk Application of K-Means Clustering Algorithm in Population Density,” vol. 9, no. 3, hal. 373–386, 2025.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Elsahday Tambunan, Yuni Br Limbeng, Sardo Sipayung
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
