Rancang Bangun Sistem TOEFL Untuk Analisis Kelemahan Peserta Dengan Penerapan Algoritma K-Means Clustering
DOI:
https://doi.org/10.29408/jit.v8i1.28260Keywords:
Weakness Analysis, K-Means Clustering, TOEFLAbstract
English proficiency is a critical skill across various sectors, particularly in educational and professional contexts. The TOEFL test assesses English language skills, covering aspects such as Reading, Listening, Speaking, and Writing. However, TOEFL results often only provide a total score without detailed insights into participants' weaknesses. To address this, this study utilizes the K-Means Clustering algorithm for its simplicity, efficiency in processing multidimensional data, and ability to produce statistically meaningful groupings. The research aims to identify the weaknesses of TOEFL participants at the Language Laboratory of ITN Malang. The dataset comprises scores from 520 students across Reading, Structure and Written Expression, and Listening sections. This method classifies participants into three primary clusters: Reading Boosters (C1), Grammar Builders (C2), and Listening Improvers (C3). The clustering process involves randomly selecting initial centroids, calculating distances using the Euclidean Distance formula, and iterating until cluster stability is achieved. The analysis results show that 36.54% of participants fall into C1, 41.35% into C2, and 22.21% into C3. The implementation of this algorithm offers valuable insights for developing more effective learning programs.
References
J. P. Lubis, N. Z. N. Fitri, and S. C. Ridwan, “Pentingnya Menguasai Bahasa Inggris dan Faktor Yang Mempengaruhi Kemampuan Berbahasa Inggris,” Karimah Tauhid, vol. 3, no. 3, pp. 3599–3605, 2024, doi: 10.30997/karimahtauhid.v3i3.12553.
R. Roinah, “Penggunaan Bahasa Inggris Pada Masyarakat Ekonomi Asean Di Masa Pandemi Covid-19,” Jurnal Cakrawala Ilmiah, vol. 1, no. 12, pp. 3625–3634, 2022, doi: 10.53625/jcijurnalcakrawalailmiah.v1i12.2445.
E. A. Saputra and Y. Nataliani, “Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means,” Journal of Information Systems and Informatics, vol. 3, no. 3, pp. 424–439, 2021, doi: 10.51519/journalisi.v3i3.164.
Adam Rifais and T. G. Laksana, “Penerapan Algoritma K-Means Clustering Untuk Mengetahui Kemampuan Akademik Siswa Berbasis WEB,” Jurnal Ilmiah Multidisiplin, vol. 1, no. 2, pp. 157–183, Jul. 2024, doi: 10.62282/juilmu.v1i2.157-183.
P. H. Putra, A. Hasibuan, and E. A. Marpaung, “Analisis Klasifikasi Metode X-Means Pada Minat dan Bakat Anak Dimasa Pandemi,” Jurnal Sains, Teknologi dan Industri, vol. 19, no. 2, pp. 424–429, 2022.
M. Nurfathullah and I. Purnamasari, “Implementasi K-Means Untuk Mengelompokkan Provinsi Di Indonesia Berdasarkan Indeks Jumlah Pengangguran Terbuka,” 2024.
M. T. H. Amri Muliawan Nur, Muhammad Saiful, Hariman Bahtiar, “Penerapan Algoritma K-Means Clustering Dalam Mengelompokkan Smartphone Yang Rekomendasi Berdasarkan Spesifikasi,” Infotek : Jurnal Informatika dan Teknologi, vol. 7, no. 2, pp. 478–488, 2024.
A. Maulana, R. Danar Dana, and N. D. Nuris, “Implementasi Algoritma K-Means Clustering Dalam Pengelompokan Data Kerusakan Rumah Akibat Bencana Alam Di Kabupaten Cirebon,” 2024.
H. A. Crisdian et al., “Pemanfaatan aplikasi english score dalam peningkatkan nilai TOEFL mahasiswa Tadris Bahasa Indonesia IAIN lhokseumawe,” Abdimas Siliwangi, vol. 6, no. 1, pp. 83–89, 2023, doi: 10.22460/as.v7i2.22963.
S. Suhartini and R. Yuliani, “Penerapan Data Mining untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma K-Means di Dusun Bagik Endep Sukamulia Timur,” Infotek : Jurnal Informatika dan Teknologi, vol. 4, no. 1, pp. 39–50, 2021, doi: 10.29408/jit.v4i1.2986.
Ramadhana, Islamiyah, and A. P. A. Masa, “Penerapan Data Mining Menggunakan Metode K-Means Clustering Pada Data Ekspor Batubara,” Adopsi Teknologi dan Sistem Informasi ATASI), vol. 2, no. 1, pp. 35–42, Jun. 2023, doi: 10.30872/atasi.v2i1.595.
A. Zaki, I. Irwan, and I. A. Sembe, “Penerapan K-Means Clustering dalam Pengelompokan Data (Studi Kasus Profil Mahasiswa Matematika FMIPA UNM),” Journal of Mathematics Computations and Statistics, vol. 5, no. 2, p. 163, 2022, doi: 10.35580/jmathcos.v5i2.38820.
R. Kesuma Dinata, N. Hasdyna, and N. Azizah, “Analisis K-Means Clustering pada Data Sepeda Motor,” 2020.
A. Yoraeni, A. Adetian, and A. Arfian, “Penerapan Model Water Fall Dalam Membangun Sistem Penjualan Berbasis Web Pada Nefertari Florist Bekasi,” Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 14, no. 4, pp. 4–12, 2020, doi: 10.35969/interkom.v14i4.57.
A. D. Hardiansyah, D. C. Nugrahaeni, P. Dewi, and M. Kom, Perancangan Basis Data Sistem Informasi Perwira Tugas Belajar (Sipatubel) Pada Kementerian Pertahanan. 2020
Aris Sudianto, Lalu Kerta Wijaya, Jumawal Jumawal, and Mahpuz Mahpuz, “Penerapan Aplikasi Warung Media Berbasis Android Guna Meningkatkan Promosi dan Penjualan,” Infotek Jurnal Informatika dan Teknologi, vol. 7, no. 1, pp. 267–275, Jan. 2024, doi: https://doi.org/10.29408/jit.v7i1.24482.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Infotek: Jurnal Informatika dan Teknologi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Semua tulisan pada jurnal ini menjadi tanggung jawab penuh penulis. Jurnal Infotek memberikan akses terbuka terhadap siapapun agar informasi dan temuan pada artikel tersebut bermanfaat bagi semua orang. Jurnal Infotek ini dapat diakses dan diunduh secara gratis, tanpa dipungut biaya sesuai dengan lisense creative commons yang digunakan.
Jurnal Infotek is licensed under a Creative Commons Attribution 4.0 International License.
Statistik Pengunjung
