Implementasi Algoritma K-Means Untuk Mengelompokkan Tingkat Putus Sekolah Jenjang SMP di Indonesia

Pendidikan dasar merupakan hak setiap warga negara, namun tidak setiap warga negara dapat menyelesaikan pendidikannya ke jenjang menengah maupun jenjang yang lebih tinggi. Siswa yang tidak dapat menyelesaikan pendidikannya diberikan sebutan putus sekolah. Siswa yang mengalami putus sekolah maka akan berdampak pada siswa tersebut diantaranya: kurang atau tidak berkembangnya wawasan keilmuan anak, keterbatasan anak untuk dapat memperoleh pekerjaan pada masa mendatang, berpengaruh pada tingkat ekonomi yang dapat menyebabkan kemiskinan, kehidupan sosial anak yang tidak terarah, dan anak yang putus sekolah karena faktor persepktif individu, mereka kurang memiliki motivasi dan keinginan untuk mendapatkan pendidikan. Adapun yang akan dibahas dalam penelitian ini adalah pengelompokan tingkat putus sekolah jenjang Sekolah Menengah Pertama (SMP) di Indonesia tahun ajar 2017/2018. Pengelompokan dibagi menjadi 3 kelompok (cluster) yaitu kelompok tingkat putus sekolah rendah, sedang, dan tinggi dengan menggunakan teknik yang ada pada data mining yaitu clustering. Algoritma clustering yang akan digunakan adalah K-Means. K-Means adalah salah satu metode clustering data non hierarki dimana data yang ada dibagi ke dalam dua atau lebih kelompok berdasarkan kesamaan karakteristiknya. Hasil dari penelitian ini adalah jumlah anggota cluster 1 (rendah) sebanyak 21 anggota, cluster 2 (sedang) sebanyak 12 anggota, dan cluster 3 (tinggi) sebanyak 1 anggota dengan banyaknya
iterasi yang terjadi adalah sebanyak 10 kali.
Kata Kunci: Data mining, Clustering, K-Means, Putus Sekolah, Sekolah Menengah Pertama (SMP).