PENGELOMPOKAN SISWA SMP 1 KEMBANG BERDASARKAN NILAI AKADEMIK MENGGUNAKAN METODE K-MEANS CLUSTERING
DOI:
https://doi.org/10.36595/misi.v9i2.2013Keywords:
k-means clustering, Pengelompokan Siswa, Data Mining, Kemampuan Akademik, Elbow MethodAbstract
Pengelompokan siswa berdasarkan kemampuan akademik merupakan langkah penting dalam menunjang proses pengambilan keputusan pembelajaran yang lebih akurat dan berbasis data. Perbedaan tingkat pemahaman siswa dapat menyebabkan kesenjangan hasil belajar, sehingga diperlukan metode yang mampu mengelompokkan siswa secara sistematis dan akurat. Penelitian ini dilakukan untuk mengelompokkan siswa berdasarkan nilai akademik melalui metode K-Means Clustering. Data yang digunakan merupakan data sekunder nilai siswa SMP Negeri 1 Kembang periode 2023–2025 yang mencakup 11 mata pelajaran. Tahapan penelitian meliputi pra-pemrosesan data, penanganan missing value menggunakan mean imputation, dan penetapan jumlah cluster optimal menggunakan Elbow Method yang menghasilkan nilai K=3. Selanjutnya, algoritma K-Means digunakan untuk mengkategorikan siswa ke dalam tiga tingkat, yaitu rendah, sedang, dan tinggi. Hasil penelitian menunjukkan bahwa dari 1.011 siswa, terdapat 233 siswa (23,05%) berada dalam tingkat rendah dengan nilai rata-rata 51,49, 404 siswa (39,96%) berada dalam tingkat sedang dengan nilai rata-rata 65,28, dan 374 siswa (36,99%) pada kategori tinggi dengan nilai rata-rata 75,76. Evaluasi menggunakan Davies Bouldin Index (DBI) menunjukkan nilai 1,12567 yang menandakan bahwa hasil clustering memiliki kualitas yang baik. Hasil tersebut membuktikan bahwa metode K-Means Clustering mampu mengkategorikan siswa berdasarkan kemampuan akademik secara akurat dan dapat digunakan sebagai dasar pengambilan keputusan di lingkungan sekolah. Namun, metode ini masih memiliki keterbatasan dalam penentuan jumlah cluster serta belum mempertimbangkan faktor non-akademik.
Downloads
References
[1] P. S. Hasugian dan J. R. Sagala, “Penerapan Data Mining Untuk Pengelompokan Siswa Berdasarkan Nilai Akademik dengan Algoritma K-Means,” vol. 3, no. 3, hal. 262–268, 2022.
[2] R. A. Putri, I. Magdalena, A. Fauziah, F. N. Azizah, dan U. M. Tangerang, “PENGARUH GAYA BELAJAR TERHADAP PEMBELAJARAN SISWA SEKOLAH DASAR,” vol. 1, no. 2, hal. 157–163, 2021.
[3] F. I. Himmah dan N. Nugraheni, “Analisis Gaya Belajar Siswa untuk Pembelajaran Berdiferensiasi Analysis of Student Learning Styles for Differentiated Learning,” vol. 4, hal. 31–39, 2023, doi: 10.30595/jrpd.v4i1.16045.
[4] F. Khalish, N. M. Piranti, dan O. Martadireja, “Implementasi Data Mining Menggunakan Teknik Clustering dengan Metode K-Means,” vol. 8, hal. 5392–5397, 2025.
[5] S. Paembonan dan H. Abduh, “Penerapan Metode Silhouette Coeficient Untuk Evaluasi Clutering Obat,” vol. 6, no. 2, hal. 48–54, 2021.
[6] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” vol. 3, hal. 46–56, 2024.
[7] J. Riset dan S. Informasi, “PENGELOMPOKAN DATA NILAI SISWA MADRASAH TA ’ HILIYAH MENGGUNAKAN METODE K-MEANS CLUSTERING,” vol. 2, no. 1, hal. 53–59, 2025.
[8] I. Engineering, “Penerapan Metode Clustering K-Means Menggunakan RapidMiner untuk Klasifikasi Prestasi Siswa di Sekolah Swasta,” vol. 1, no. 1, hal. 20–24, 2025.
[9] I. Pendahuluan, “Pemanfaatan Data Mining dengan K-Means Clustering Dalam Penilaian Guru Berprestasi,” vol. 9, no. 3, hal. 1124–1138, 2025.
[10] O. Soleh dan D. Jonas, “Nusa: journal of science studies,” vol. 1, no. 2, hal. 63–69, 2024.
[11] S. N. Adzra, F. N. Hasan, dan A. Y. Kuntoro, “Penerapan Data Mining dalam Penilaian Kinerja Akademik Siswa / I SMP YPI Pulogadung dengan Metode K-Means Clustering,” no. 98, 2025.
[12] D. E. Putri, E. Praja, W. Mandala, dan T. Informatika, “Penerapan K-Means Clustering dalam Segmentasi Siswa Berdasarkan Status Sosial Ekonomi”.
[13] M. Tingkat et al., “Penerapan Data Mining Menggunakan K-Means Clustering Dalam,” vol. 6, no. 3, 2025, doi: 10.47065/josh.v6i3.6959.
[14] G. Mafela, M. Sujak, H. N. Rofiq, dan F. I. Tawakal, “Implementation of K-Means Clustering for Optimizing Non-Communicable Disease Budgets Implementasi K-Means Clustering untuk Optimalisasi Anggaran Penyakit Tidak Menular,” vol. 5, no. January, hal. 67–74, 2025.
[15] M. T. Hidayat et al., “DASHBOARD BUSINESS INTELLIGENCE DENGAN QLIK SENSE UNTUK ANALISIS NUTRISI MAKANAN,” vol. 13, no. 1, 2025.
[16] N. A. Maori, “METODE ELBOW DALAM OPTIMASI JUMLAH CLUSTER PADA K-MEANS CLUSTERING,” vol. 14, no. 2, hal. 277–287, 2023.
[17] D. I. Smp dan N. Ssn, “PENERAPAN ALGORITME K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN SISWA BERDASARKAN NILAI AKADEMIK IMPLEMENTATION OF K-MEANS CLUSTERING ALGORITHM TO GROUP STUDENTS BASED ON ACADEMIC VALUE IN SMP NEGERI,” vol. 2, no. September, hal. 530–538, 2023.
[18] N. Wakhidah, “CLUSTERING MENGGUNAKAN K-MEANS ALGORITHM ( K-MEANS ALGORITHM CLUSTERING )”.
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
