1
PENDAHULUAN
1.1. Latar Belakang Masalah
Dinamika pola pendidikan yang begitu cepat dan silih berganti menjadikan persaingan antar sekolah semakin ketat. Hal ini tentunya menjadi sinyal positif dalam hal peningkatan kualitas penyelenggaraan pendidikan. Dengan adanya persaingan antar sekolah yang semakin atraktif , strategi pemasaran yang tepat untuk lembaga pendidikan mutlak diperlukan, tak terkecuali untuk SMK Muhammadiyah Cimanggu
SMK Muhammadiyah Cimanggu merupakan salah satu SMK Swasta yang ada di kabupaten Cilacap. Untuk memperoleh strategi pemasaran yang efektif, maka penelitian ini dilakukan dengan cara mengolah data history dengan tujuan mengetahui pola, sehingga dapat mengambil informasi yang tersembunyi dari data-data tersebut. Metode pengolahan data seperti ini sering disebut sebagai data mining. Pada penelitian ini analisa data mining dilakukan dengan menggunakan Algoritma K-Means Clustering.
K-Means merupakan salah satu metode data clustering non hirarki yang paling sederhana. Menurut Agusta dalam Ong (2013:14) menjelaskan bahwa Metode ini mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain dengan cara menghitung jarak terdekat data dengan titik pusat data/centroid yaitu dengan rumus distance space
Beberapa distance space telah diimplementasikan dalam menghitung jarak (distance) antara data dan centroid termasuk di antaranya adalah L1 (Manhattan / City Block) distance space, L2 (Euclidean) distance space, dan Lp (Minkowski) distance space.
Pada penelitian ini, akan membandingan dua distance space yaitu antara Manhattan (City Block) dan Euclidean. Dengan adanya perbandingan ini, diharapkan peneliti dapat menemukan metode perhitungan jarak yang paling baik, sehingga dapat melakukan pemasaran dengan strategi yang tepat untuk mendapatkan calon siswa baru. Atas alasan tersebut penulis mengambil judul
“Perbandingan Metode Distance Space Manhattan Dengan Metode Euclidean Pada Algoritma K Means Clustering Dalam Menentukan Strategi Promosi”.
1.2. Identifikasi Masalah
Dari uraian diatas, beberapa masalah kemudian dirumuskan sebagai berikut : 1. Metode K-Means mengenal beberapa rumus distance space yaitu
Manhattan(City Block), Euclidean dan Minkowski metric. Pada dasarnya belum ada yang memastikan mana yang lebih baik dari beberapa rumus tersebut sehingga perlu adanya penelitian.
2. Hasil cluster berupa visualisasi data, merupakan wujud dari penyajian data agar lebih mudah dianalisa dan digali informasi secara lebih mendalam khususnya dalam menentukan strategi promosi yang tepat dari hasil cluster yang terbentuk.
1.3. Maksud dan Tujuan
Maksud dari penulisan laporan ini adalah untuk:
1. Mengetahui hasil clustering data menggunakan metode K-Means dengan rumus distance space antara Manhattan(City Block) dan Euclidean. Sehingga pada hasil akhir cluster diharapkan akan terdapat perbedaan pola antara kedua distance space tersebut dalam melakukan pengelompokan data sehingga dapat dipelajari pola pengelompokan data untuk masing-masing rumus distance space.
2. Menggali informasi data dari objek penelitian data Siswa SMK Muhammadiyah Cimanggu dalam rangka memperoleh strategi pemasaran yang paling tepat.
Tujuan dari penulisan Penelitian ini yaitu Untuk Memenuhi Sebagai Persyaratan Mencapai Derajat Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi Fakultas Teknik Informatika Universitas BSI.
1.4. Metode Penelitian
Metode Penelitian yang digunakan oleh penulis dalam melakukan pengumpulan data untuk pembuatan Skripsi ini adalah:
1. Metode Wawancara
Pengumpulan data dilakukan dengan cara mengadakan tanya jawab secara langsung dengan pihak sekolah untuk memberikan data sesuai dengan kebutuhan penelitian.
2. Metode Observasi
Selain melakukan wawancara penulis juga melakukan pengamatan langsung, yang dilakukan dengan cara mengumpulkan dokumen-dokumen yang merupakan sumber informasi yang sangat penting untuk langkah pengolahan data.
3. Metode Studi Kepustakaan
Untuk menambah kelengkapan dalam penulisan, penulis melakukan metode studi kepustakaan yaitu dengan cara mengambil referensi dari buku-buku dan literature-literature maupun sumber lain dari internet yang sesuai dengan isi dari penyusunan Skripsi ini.
1.5. Ruang lingkup
Ruang lingkup penelitian ini mencakup beberapa hal sebagai berikut:
1. Algoritma yang digunakan adalah algoritma K-Means.
2. Perbandingan antara dua rumus penghitungan distance space pada K-Means yaitu Manhattan (City Block) dengan Euclidean dari sisi hasil akhir cluster dan pola pengelompokan data serta informasi jumlah iterasi yang dihasilkan oleh titik awal yang di generate secara random pada masing – masing rumus dan waktu yang dibutuhkan untuk iterasi.
3. Penentuan Jumlah Cluster Menggunakan Metode Elbow.
4. Data yang digunakan untuk digali informasinya adalah data Siswa SMK Muhammadiyah Cimanggu Angkatan 2017,2016 dan 2015.
1.6. Hipotesis
Berdasarkan kajian teori dan kerangka pemikiran, peneliti menyatakan hipotesis penelitian dari penelitian ini adalah:
1. Penentuan jumlah kluster menggunakan metode elbow lebih baik jika dibandingkan dengan menentukan jumlah cluster sesuai kehendak .Penulis, berharap dengan menggunkan metode elbow ini Jumlah cluster yang dibentuk merupakan jumlah cluster terbaik dari data yang ada.
2. Perbandingan Hasil clustering data menggunakan metode K-Means dengan rumus distance space antara Manhattan(City Block) dan Euclidean bertujuan untuk mengetahui perbedaan pola antara kedua distance space tersebut dalam melakukan pengelompokan data, sehingga dapat dipelajari pola pengelompokan data untuk masing-masing rumus distance space dengan tujuan mencari pola terbaik diantara dua rumus distance space tersebut.
