Penerapan Outlier Analysis Sebagai Salah Satu Rekomendasi kelompok Belajar Terhadap Siswa kelas 6 Di SDN Pagelaran II

SDN Pagelaran II merupakan salah satu Sekolah Dasar di Kabupaten Cianjur yang berlokasi di Kampung Sinagar, Desa Pagelaran, Kecamatan Pagelaran. Untuk dapat dinyatakan lulus siswa harus bisa melewati batas Kriteria Ketuntasan Minimun (KKM) yang telah ditentukan pada masing-masing mata pelajaran. Selain kelas tambahan dan try out bagi kelas 6, biasanya dilakukan juga pembentukan kelompok belajar untuk setiap mata pelajaran. Permasalahannya adalah pihak sekolah biasanya membagi kelompok hanya berdasarkan urutan absensi saja. Sehingga akan mengakibatkan siswa yang unggul berada dalam satu kelompok dengan siswa yang tertinggal dalam suatu mata pelajaran dan dikhawatirkan siswa unggul tersebut akan merasa bosan karena materi yang diberikan sudah dipahaminya diulang-ulang agar siswa yang tertinggal dapat mengejar ketertinggalannya. Berdasarkan pemaparan masalah sebelumnya, solusi yang ditawarkan untuk mengatasi permasalahan tersebut adalah mencari data pencilan (outlier) dan membentuk pengelompokan siswa berdasarkan nilai siswa dari semester 7-10. Pencarian data pencilan dapat dilakukan dengan metode Distance Based, dan untuk pembentukan kelompok dapat menggunakan metode clustering di data mining. Salah satu algoritma untuk mencari data pencilan adalah algoritma Local Outlier Factor (LOF), dan algoritma yang dapat digunakan untuk melakukan clustering (pengelompokan) adalah algoritma Agglomerative Hierarchical Clustering (AHC). Algoritma AHC mempunyai kemampuan untuk membentuk cluster-cluster berdasarkan kedekatan jarak antar data. Berdasarkan hasil pengujian dapat disimpulkan bahwa aplikasi Pembentuk Kelompok Belajar ini sudah membantu pihak kurikulum dalam membentuk kelompok belajar yang sesuai berdasarkan kemiripan nilai siswanya pada masingmasing kelompok.

SDN Pagerlaran II is an elementary school located in Kampung Sinagar, Desa Pagelaran, Pagelaran district, Cianjur regency. A student must be able to pass the minimum mastery criteria to be graduated. Aside from additional class and try out, the 6th grade students usually set up a learning group for each lesson. The group formed on the base of student�s presentation number. This lead to problem when some students excelled in a certain lesson situated in a same group with other incapable students. This can result to boredom for the excelled student because they repeatedly pushed to learn the same objects. The solution for the problem explained in the previous paragraph is to find outlier data and set up new groups based on the student�s mark from semester 7 to 10. Outlier detection can be done by Distance Based method, and to form the new groups can be done by clustering in data mining. One of algorithm to find these outliers is Local Outlier Factor (LOF) and the algorithm to perform clustering is Agglomerative Hierarchical Clustering (AHC). AHS capable to perform clustering based on the data proximity distance. Based on the results of the test can be concluded that the Learning Group Former application has helped the curriculum to establish appropriate learning groups based on the similarity of the value of students in each group.