Analisis Clustering Pada Pemilihan Tema VSGA Dengan Metode K-Means Dan KNN

Abstract

Dalam era digital ini, pemilihan tema pelatihan yang tepat sangat penting untuk meningkatkan kompetensi dan keterampilan sumber daya manusia di berbagai bidang. Penelitian ini bertujuan untuk menganalisis pemilihan tema pelatihan pada program Vocational School Graduate Academy (VSGA) menggunakan metode clustering K-means. Clustering digunakan untuk mengelompokkan tema pelatihan berdasarkan jumlah peserta yang berhasil lulus, usia, hasil tes substansi, jenis kelamin, dan status peserta. Setelah pengelompokan, metode K-Nearest Neighbors (KNN) digunakan untuk klasifikasi lebih lanjut guna memprediksi tema pelatihan yang paling sesuai untuk peserta baru berdasarkan hasil clustering sebelumnya. Data penelitian diambil dari rekaman peserta pelatihan VSGA selama beberapa periode. Hasil analisis menunjukkan bahwa pendekatan kombinasi K-means dan KNN memberikan akurasi yang tinggi dalam memprediksi tema pelatihan yang relevan dan dapat digunakan sebagai alat bantu dalam pengambilan keputusan terkait penempatan pelatihan peserta. Studi ini menyimpulkan bahwa analisis data yang komprehensif dan metode pembelajaran mesin dapat memberikan wawasan berharga untuk meningkatkan efektivitas program pelatihan.