SISTEM INFORMASI PEMETAAN DISTRIBUSI GURUMENGGUNAKAN K-MEANS CLUSTERINGDAN METODE ELBOWGUNA MENDUKUNG KEBIJAKAN ZONASI PENDIDIKAN DI INDONESIA

Abstract

Pemetaan distribusi Guru merupakan upaya mencapai salah satu tujuan kebijakan Zonasi Pendidikan di Indonesia yaitu pemerataan distribusi Guru pada sekolah-sekolah. Pemetaan dilakukan dengan mengelompokkan sekolah berdasarkan kebutuhan dan ketersediaan Guru, menggunakan metode clustering dengan algoritma K-Means. Algoritma inimemiliki kelemahan pada penentuan jumlah cluster berdasarkan asumsi dan sangat bergantung pada penentuancentroid awal. Untuk mengatasi kelemahan tersebut, pada penelitian ini digunakan metode Elbow untuk penentuan jumlah clusteroptimal dan perbandingan centroidawal berdasarkan meanataumedian dengan centroid awal secara acak. Hasil penelitian ini adalah Sistem Informasi Pemetaan distribusi Guru yang diujicobakan pada data Sekolah Menegah Atas Negeri (SMAN) di Kota Semarang, Kabupaten Semarang dan Kota Salatiga untuk mengetahui sekolah yang kelebihan atau kekurangan Guru kemudian dianalisis pengaruh penggunaan metode pada kinerja sistem. Hasil analisis kinerja sistem pada proses iterasi dengan jumlah clusteroptimal menggunakan metode Elbowdiperoleh efisiensiiterasi 22,86% dengan tingkat heterogenitas cluster sebesar 75,86%, sedangkan penggunaan centroid awal berdasarkan nilai mean atau median diperoleh efisiensi iterasi 25% dengan cluster yang konsisten dibanding dengan menggunakancentroid awal secara acak. Interprestasi hasil cluster yang divalidasi menggunakan Rekapitulasi Data Pendidik dan Tenaga Kependidikan (Form R10) menyatakan bahwa cluster satu dengan enam anggota cluster merupakan cluster dengan sekolah-sekolah yang kelebihan dan ketercukupan Guru, cluster dua dengan enam belas anggota cluster merupakan cluster dengan kekurang Guru paling banyak dibandingkan dengan cluster tiga dengan delapan anggota cluster. Kata kunci: metode partisi, K-Means, metode Elbow, optimasi centroid, pemetaan guru Mapping teacher distribution is an effort to achieve one of the objectives of the Education Zoning policy in Indonesia, namely equality of teacher distribution in schools. Mapping is done by grouping schools based on the needs and availability of teachers, using the clustering method with the K-Means algorithm. This algorithm has a weakness in determining the number of clusters based on assumptions and is very dependent on initial centroid determination. To overcome these weaknesses, in this study the Elbow method is used to determine the optimal number of clusters and the comparison of initial centroids based on the mean or median with the initial centroid randomly. The results of this study are the Teacher Distribution Mapping Information System which was tested on State High School (SMAN) data in Semarang City, Semarang Regency, and Salatiga City to find out which schools lack or excess teachers,then analyzed the effect of the use of methods on system performance. The results of the analysis of system performance in the iteration process with the optimal number of clusters using the Elbow method obtained an iteration efficiency of 22.86% with a cluster heterogeneity level of 75.86%, while the use of initial centroids based on the mean or median values obtained 25% iteration efficiency with consistent clusters compared by using random initial centroids. Interpretation of the results of the cluster which was validated using the Data Recapitulation of Educators and Education Personnel (Form R10) states that the cluster one with six cluster members is a cluster with schools with excess and sufficient teachers, cluster two with sixteen cluster members is the cluster with the most teachers lacking compared to cluster three with eight cluster members. Keywords: partition method, K-Means, Elbow method, centroid optimization, teacher mapping.