Digilib | Universitas Negeri Surabaya

Jenis Dokumen

Disertasi
Karya Akhir S1
Karya Akhir S2
Karya Akhir S3
Skripsi
Tesis
Tugas Akhir D3
Tugas Akhir D4

Fakultas

Ilmu Pendidikan
Bahasa & Seni
Matematika dan Ilmu Pengetahuan Alam
Ilmu Sosial & Politik
Hukum
Psikologi
Teknik
Ekonomika dan Bisnis
Ilmu Keolahragaan dan Kesehatan
Vokasi
Pascasarjana

PEMETAAN BIDANG MINAT KEILMUAN ANAK USIA DINI MENGGUNAKAN KOMBINASI TEKNIK-TEKNIK KLASTERISASI DAN METODE ENSEMBLE

Kode Dokumen : 0026/FT-TI/2025

Penulis Utama : RAFLI ADITYA PRAMANA

NIM Penulis Utama: 21051204007

Tahun : 2025

Judul ID :

PEMETAAN BIDANG MINAT KEILMUAN ANAK USIA DINI MENGGUNAKAN KOMBINASI TEKNIK-TEKNIK KLASTERISASI DAN METODE ENSEMBLE

Judul EN :

MAPPING THE FIELD OF EARLY CHILDHOOD EDUCATIONAL INTERESTS USING A COMBINATION OF CLUSTERING TECHNIQUES AND ENSEMBLE METHODS

Sumber : UNESA - Fakultas Teknik - Jurusan S1 Teknik Informatika - 21051204007 - 2025

Jenis Dokumen : Skripsi

Abstrak ID :

Penelitian ini mengatasi tantangan dalam mendeteksi minat anak usia dini secara akurat melalui kombinasi teknik klasterisasi. Tujuannya adalah untuk mengidentifikasi metode analisis data pendidikan yang efektif, mengevaluasi hasil klasterisasi, dan mengembangkan metode klasterisasi optimal dengan menggabungkan Fuzzy C-Means, DBSCAN, Agglomerative Clustering, dan Majority Voting.Penelitian ini menggunakan algoritma klasterisasi (Fuzzy C-Means, DBSCAN, Agglomerative Clustering) dan metode ensemble (Majority Voting) untuk menganalisis data pendidikan dari Taman Pendidikan Anak Sholeh Jombang. Evaluasi kualitas klasterisasi dilakukan menggunakan Skor Silhouette.Integrasi Fuzzy C-Means, DBSCAN, dan Agglomerative Clustering melalui Majority Voting meningkatkan akurasi dan reliabilitas klasterisasi data pendidikan, memberikan wawasan yang lebih baik untuk strategi pendidikan yang dipersonalisasi.Penelitian ini merekomendasikan penggunaan metode klasterisasi ensemble untuk meningkatkan akurasi analisis data pendidikan. Penelitian selanjutnya diharapkan mengeksplorasi teknik ensemble lainnya dan metrik evaluasi tambahan untuk lebih mengoptimalkan kinerja klasterisasi.

Kata Kunci: Minat anak usia dini, Optimalissai Klasterisasi, Fuzzy C-Means, Dbscan, Agglomerative Clustering Majority Voting.

Abstrak EN :

This research addresses the challenges of accurately detecting early childhood interests through a combination of clustering techniques. The aim is to identify effective educational data analysis methods, evaluate clustering outcomes, and develop optimal clustering methods by integrating Fuzzy C-Means, DBSCAN, Agglomerative Clustering, and Majority Voting. This study employs clustering algorithms (Fuzzy C-Means, DBSCAN, Agglomerative Clustering) and ensemble methods (Majority Voting) to analyze educational data from Taman Pendidikan Anak Sholeh Jombang. The quality of the clustering is evaluated using the Silhouette Score.The integration of Fuzzy C-Means, DBSCAN, and Agglomerative Clustering through Majority Voting enhances the accuracy and reliability of educational data clustering, providing better insights for personalized educational strategies. This research recommends the use of ensemble clustering methods to improve the accuracy of educational data analysis. Future research is expected to explore additional ensemble techniques and evaluation metrics to further optimize clustering performance.

Keywords: Early childhood interests, Clustering Optimization, Fuzzy C-Means, DBSCAN, Agglomerative Clustering, Majority Voting.

Link Artikel

File Abstrak

File Lampiran