Penentuan Banyak Cluster Optimal Hasil Fuzzy C-Means dengan Metode Elbow pada Klasifikasi Kecemasan Belajar Siswa (Studi Kasus: Siswa SMA Negeri 1 Tuban dan SMP Negeri Tuban Jawa Timur)

Determination of Optimal Number of Clusters of Fuzzy C-Means Results with Elbow Method on Classification of Student Learning Anxiety (Case Sudy: Students of SMP Negeri 1 Tuban and SMA Negeri 1 Tuban East Java)

Klasterisasi Fuzzy merupakan konsep pengelompokkan data yang mempunyai karakteristik yang sama ke dalam satu kelompok sedangkan data dengan karakteristik berbeda akan membentuk kelompok lain. Ada beberapa macam algoritma clustering data, salah satunya adalah Fuzzy C-Means (FCM). Fuzzy C-Means adalah suatu teknik pengklasteran data yang mana keberadaan tiap-tiap titik data dalam klaster ditentukan oleh derajat keanggotaan. Konsep dasar dari FCM adalah menentukan pusat klaster awal, jika pusat klaster belum akurat maka pusat klaster dan derajat keanggotaan akan diperbaiki secara berulang sampai bergerak menuju lokasi yang tepat.

Penelitian ini bertujuan untuk klasifikasi kecemasan belajar siswa SMP dan SMA menggunakan metode Fuzzy C-Means dengan penentuan banyak klaster optimal menggunakan metode Elbow dari hasil klasifikasi tersebut. Klasfikasi pada penelitian ini menggunakan tingkat kecemasan belajar siswa. Hasil dari penelitian ini diperoleh banyak klaster optimal sebanyak 3 klaster untuk data siswa SMP dengan tingkat kecemasan yaitu kecemasan rendah, kecemasan sedang, kecemasan tinggi dan 5 klaster untuk data siswa SMA dengan tingkat kecemasan yaitu kecemasan sangat rendah, kecemasan rendah, kecemasan sedang, kecemasan tinggi, dan kecemasan sangat tinggi. Banyak anggota pada klasifikasi kecemasan data SMP adalah 11 siswa dengan kecemasan rendah, 28 siswa dengan kecemasan sedang, dan 24 siswa dengan kecemasan tinggi. Sedangkan banyak anggota pada klasifikasi kecemasan data SMA adalah 19 siswa dengan kecemasan rendah, 15 siswa dengan kecemasan rendah, 3 siswa dengan kecemasan sedang, 8 siswa dengan kecemasan tinggi, 26 siswa dengan kecemasan sangat tinggi. Sedangkan banyak peserta pada klasifikasi data kecemasan SMA adalah 19siswa dengan kecemasan rendah, 15 siswa dengan kecemasan rendah, 3 siswa dengan kecemasan sedang, 8 siswa dengankecemasan tinggi, 26 siswa dengan kecemasan sangat tinggi.

Fuzzy clustering is the concept of grouping data that has the same characteristics into one group while data with different characteristics will form another group. There are several kinds of data clustering algorithms, one of which is Fuzzy C-Means (FCM). Fuzzy C-Means is a data clustering technique in which the presence of each data point in the cluster is determined by the degree of membership. The basic concept of FCM is to determine the initial cluster center, if the cluster center is not accurate then the cluster center and membership degree will be improved iteratively until it moves towards the right location.

This research aims to classify the learning anxiety of junior and senior high school students using the Fuzzy C-Means method with the determination of many optimal clusters using the Elbow method from the classification results. The classification in this study uses the level of student learning anxiety. The results of this study obtained many optimal clusters as many as 3 clusters for junior high school student data with anxiety levels namely low anxiety, medium anxiety, high anxiety and 5 clusters for high school student data with anxiety levels namely very low anxiety, low anxiety, medium anxiety, high anxiety, and very high anxiety. Many members in the anxiety classification of junior high school data are 11 students with low anxiety, 28 students with moderate anxiety, and 24 students with high anxiety. While many members in the high school data anxiety classification are 19 students with low anxiety, 15 students with low anxiety, 3 students with moderate anxiety, 8 students with high anxiety, 26 students with very high anxiety.