Implementasi Algoritma K-Means Untuk Segmentasi Siswa Dalam Pembentukan Kelas Unggulan

Authors

  • Alliyah Dzakiroh Program Studi Teknik Informatika, Universitas Pelita Bangsa
  • Wiyanto Wiyanto Program Studi Teknik Informatika, Universitas Pelita Bangsa
  • Edy Widodo Program Studi Teknik Informatika, Universitas Pelita Bangsa

DOI:

https://doi.org/10.33506/insect.v11i1.4287

Keywords:

Data Mining, Siswa, Akademik, K-Means, Clustering

Abstract

Pendidikan adalah suatu proses pembelajaran yang bertujuan untuk meningkatkan pengetahuan, sikap dan keterampilan individu. Setiap bangsa hendaknya memiliki sistem pendidikan yang baik dan berkualitas. Peningkatan kualitas pendidikan menjadi salah satu prioritas utama dalam upaya mencetak generasi yang unggul dan berdaya saing. Salah satu langkah yang dapat diambil adalah dengan mengelompokkan siswa berdasarkan potensi dan kemampuan mereka. Pengelompokan ini bertujuan untuk menciptakan kelas unggulan yang dapat memberikan perhatian dan metode pembelajaran yang lebih sesuai dengan karakteristik masing-masing siswa. Salah satu metode yang efektif untuk melakukan pengelompokan data adalah algoritma K-Means, sebuah pendekatan non-hirarki yang dapat mempartisi data dengan efisien. Dari proses pengujian yang dilakukan terhadap 61 data siswa, diperoleh hasil untuk Cluster_1 (C1) kategori kelas unggulan terdapat 36 data siswa dan Cluster_0 (C2) kategori kelas cukup terdapat 25 data siswa. Performa clustering yang dihasilkan melalui metode K-Means untuk mengelompokan kelas unggulan siswa menunjukkan hasil yang cukup baik. Dengan perhitungan Davies Bouldin Index (DBI) menghasilkan nilai sebesar 0.085, jadi dapat dikatakan bahwa performa clustering yang diperoleh tergolong baik.

References

[1] A. Amini, F. Nurkhairiwa, I. Maulana, I. Satriawan, I. F. Sinaga, and W. Pandiangan, “Pengaruh Ilmu Sosial terhadap Mutu Pendidikan Siswa,” Journal on Education, vol. 5, no. 3, pp. 9197–9205, Feb. 2023, doi: 10.31004/joe.v5i3.1725.

[2] A. Akram, N. Risal, D. Maryani, N. Fadillah, A. Alviadi, and A. Id, “Implementasi K-Means Clustering Untuk Rekomendasi Kelas Unggulan di SMK 1 Teknologi dan Rekayasa Mimika.”

[3] M. Aspi STAI Rakha Amuntai, K. Selatan, and S. STAI Rakha Amuntai, “PROFESIONAL GURU DALAM MENGHADAPI TANTANGAN PERKEMBANGAN TEKNOLOGI PENDIDIKAN,” ADIBA: JOURNAL OF EDUCATION, vol. 2, no. 1, pp. 64–73, 2022.

[4] Y. D. Putra Negara, S. Herawati, and F. A. Efendi, “PENGEMBANGAN SISTEM INFORMASI LAYANAN PPDB PADA YAYASAN SABILILLAH SAMPANG MADURA,” Jurnal Simantec, vol. 10, no. 1, pp. 41–48, Dec. 2021, doi: 10.21107/simantec.v10i1.12801.

[5] . Novi and A. Mubarok, “Penerapan Algoritma K-Means untuk Menentukan Kelas Unggulan di SMP Pelita Bandung,” Infomatek, vol. 32, no. 2, pp. 97–106, Dec. 2021, doi: 10.23969/infomatek.v23i2.4351.

[6] J. Hutagalung, “Pemetaan Siswa Kelas Unggulan Menggunakan Algoritma K-Means Clustering,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 1, pp. 606–620, Mar. 2022, doi: 10.35957/jatisi.v9i1.1516.

[7] C. Satria and A. Anggrawan, “Aplikasi K-Means berbasis Web untuk Klasifikasi Kelas Unggulan,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 1, pp. 111–124, Nov. 2021, doi: 10.30812/matrik.v21i1.1473.

[8] L. Qadrini, “Metode K-Means dan DBSCAN pada Pengelompokan Data Dasar Kompetensi Laboratorium ITS Tahun 2017,” J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika, vol. 13, no. 2, pp. 5–11, Dec. 2020, doi: 10.36456/jstat.vol13.no2.a2886.

[9] A. Sulistiyawati and E. Supriyanto, “Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan,” Jurnal Tekno Kompak, vol. 15, no. 2, p. 25, Aug. 2021, doi: 10.33365/jtk.v15i2.1162.

[10] Muhamad Adhi Mukti, W. Wiyanto, and Ismasari Nawangsih, “IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK PREDIKSI CALON PENERIMA BLT,” Jurnal Informatika Teknologi dan Sains (Jinteks), vol. 5, no. 3, pp. 383–392, Aug. 2023, doi: 10.51401/jinteks.v5i3.3106.

[11] Winda Yulianti, W. Wiyanto, and Nisa Nurhidayanti, “APPLICATION OF DATA MINING USING NAIVE BAYES ALGORITHM FOR CLASSIFICATION OF EMPLOYEE CONTRACT EXTENSION AT PT TORINI JAYA ABADI,” Jurnal Informatika Teknologi dan Sains (Jinteks), vol. 5, no. 3, pp. 516–524, Aug. 2023, doi: 10.51401/jinteks.v5i3.3348.

[12] S. P. Dewi, N. Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” Building of Informatics, Technology and Science (BITS), vol. 3, no. 4, pp. 639–648, Mar. 2022, doi: 10.47065/bits.v3i4.1408.

[13] V. Maulida, N. Mulyani, and M. F. L. Sibuea, “Sistem Klasifikasi Strata Kelas Peserta Kursus berbasis web menggunakan algoritma K-Means,” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 2, pp. 477–486, Dec. 2024, doi: 10.29408/edumatic.v8i2.27311.

[14] J. Hutagalung and F. Sonata, “Penerapan Metode K-Means Untuk Menganalisis Minat Nasabah,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 3, p. 1187, Jul. 2021, doi: 10.30865/mib.v5i3.3113.

[15] Y. Prihati and A. Dharmawan, “IMPLEMENTASI ALGORITMA K-MEANS UNTUK PEMETAAN PRESTASI AKADEMIK SISWA DISEKOLAH DASAR TERANG BAGI BANGSA PATI.”

Published

30-03-2025

How to Cite

Dzakiroh, A., Wiyanto, W., & Widodo, E. (2025). Implementasi Algoritma K-Means Untuk Segmentasi Siswa Dalam Pembentukan Kelas Unggulan. Insect (Informatics and Security): Jurnal Teknik Informatika, 11(1), 34–43. https://doi.org/10.33506/insect.v11i1.4287

Issue

Section

Articles

Similar Articles

1 2 3 4 5 > >> 

You may also start an advanced similarity search for this article.