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

Abstract

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. Klasifikasi 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, dan kecemasan tinggi serta 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, dan 26 siswa dengan kecemasan sangat tinggi.