Pengelompokkan Tingkat Pemahaman Guru PAUD Terhadap Pembelajaran Berbasis STEAM Menggunakan Metode X-Means Clustering

Abstract

In the era of the industrial revolution 4.0, quantity is not a measure of achieving early childhood outcomes, but how teachers create quality resource based inventions. To form creative and adaptive resources for technology, the teacher must changes the facilities, infrastructure and learning reconstruction. Learning that is prepared to welcome children to face the 21st century is learning based on Science, Technology, Engineering, Art, and Mathematics (STEAM). STEAM is used to consider the interconnected essence of science, technology, engineering, arts and mathematics disciplines and their significance in the long-term academic performance of children. Responding to STEAM-based learning that PAUD teachers need to incorporate in cultivating the creativity of children, it is important to know the degree to which PAUD teachers understand STEAM-based learning. This research discusses the use of the X-Means clustering algorithm as one of the data mining algorithms in grouping data on the level of comprehensions of PAUD teachers on STEAM-based learning. This research discusses the use of the X-Means Clustering algorithm as one of the data mining algorithms in grouping data on the level of comprehensions of PAUD teachers on STEAM-based learning.

Penerapan Data Mining Clustering Menggunakan Algoritma X-Means Pada Data Penerima Bantuan Program Keluarga Harapan Di Desa Gebang Kulon Kabupaten Cirebon

“…Dalam data mining, data yang dimiliki saat penelitian dilakukan pengklasifikasian data, membuat prediksi serta memperkirakan untuk mendapatkan informasi yang bermanfaat dari kumpulan data yang akan diolah. [9]…”

Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai

“…Dalam penelitian melakukan perbandingan terhadap algoritma k-means dan algoritma fuzzy c-means serta memakai 4 parameter yaitu, berat badan, umur, jenis kelamin, tinggi badan dan menggunakan silhouette index. Hasil menunjukkan algoritma k-means menghasilkan validasi sebesar 0.79, sedangkan algoritma fuzzy c-means menghasilkan sebesar 0.78 [6].…”

“…K-Means merupakan suatu teknik penganalisa data atau dikenal dengan teknik data mining untuk menerapkan proses pemodelan data tanpa supervisi (unsupervised) serta menjadi salah satu teknik untuk melakukan pengelompokan di setiap data-data dengan bentuk partisi [6].…”

“…Proses pengumpulan data mining terkadang didapatkan dengan memakai metode statistika, matematika, dan juga menggunakan teknologi artificial intelligence [3]. Data mining adalah knowledge discovery in database (KDD) atau pattern recognition, yang dikenal dengan Knowledge discovery (mining) dalam basis data, pengalihan pengetahuan, data, analisis pola, arkeologi data, pengerukan data, pengumpulan informasi, intelijen bisnis, dan lain-lain [6]. Ada cara dan teknik lain yang dapat dipakai untuk pengumpulan data mining, namun cara tersebut membutuhkan langkah-langkah, agar data yang diinginkan bisa terkumpul.…”

“…Clustering merupakan metode analisis data, dan seringkali menjadi salah satu teknik dari data mining, dengan maksud untuk membagi data menggunakan ciri yang serupa ke suatu 'daerah' sehingga data dan karakteristik daerah tidak sama dengan yang lain [2] [6]. Clustering adalah salah satu bagian dari metode data mining dan bersifat tanpa arahan atau disebut dengan "unsupervised" dan juga suatu cara untuk mencari dan membagi data yang mempunyai kesamaan ciri dengan satu data dan data lain" [6].…”