Klasifikasi Prestasi Siswa MAN 2 Labuhanbatu Melalui Komponen Indeks Prestasi Belajar Menggunakan Klaster K-Means
DOI:
https://doi.org/10.65371/metrokom.v2i2.135Kata Kunci:
Pengelompokan K-Means, Penambangan Data Pendidikan, Kelompok Belajar, Kinerja SiswaAbstrak
Pemanfaatan data akademik secara optimal merupakan persyaratan penting dalam mendukung pengambilan keputusan pembelajaran berbasis data. Salah satu pendekatan yang dapat digunakan adalah Educational Data Mining (EDM) melalui teknik clustering untuk memetakan kemampuan akademik siswa. Penelitian ini bertujuan untuk menerapkan algoritma K-Means Clustering dalam pengelompokan siswa berdasarkan pola skor ujian pada satu mata pelajaran di MAN 2 Labuhanbatu Utara. Data yang digunakan terdiri dari nilai harian, nilai ujian tengah semester, dan nilai ujian akhir siswa kelas XI, yang diproses melalui tahap pra-pemrosesan, normalisasi data, dan analisis pengelompokan. Penentuan jumlah kluster optimal dilakukan menggunakan metode Elbow dengan indikator Within Cluster Sum of Squares (WCSS). Hasil menunjukkan bahwa konfigurasi tiga kluster merupakan struktur pengelompokan yang paling representatif, yang dapat diinterpretasikan sebagai kelompok siswa dengan prestasi akademik tinggi, sedang, dan rendah, masing-masing. Perbedaan nilai pusat kluster antara kluster menunjukkan variasi yang signifikan dan terstruktur dalam prestasi akademik. Temuan ini membuktikan bahwa algoritma K-Means efektif untuk memetakan kelompok belajar siswa secara objektif tanpa memerlukan label awal. Hasil pengelompokan diharapkan dapat menjadi dasar bagi guru dan sekolah dalam merancang strategi pembelajaran yang lebih adaptif sesuai dengan karakteristik kemampuan siswa.
Referensi
Adzra, S. N., Hasan, F. N., & Kuntoro, A. Y. (2025). Salsa Nabilatul Adzra Penerapan Data Mining dalam Penerapan Data Mining dalam Penilaian Kinerja Akademik Siswa/I SMP YPI Pulogadung dengan Metode K-Means Clustering. Jurnal Ilmiah informatika (Vol. 98). http://ejournal.upbatam.ac.id/index.php/jif
Alalawi, S. J., Shaharanee, I. N., & Jamil, J. mohd. (2023). CLUSTERING STUDENT PERFORMANCE DATA USING k-MEANS ALGORITHMS. Journal of Computational Innovation and Analytics (JCIA), 2(1), 41–55. https://doi.org/10.32890/jcia2023.2.1.3
Alamgir, Z., Akram, H., Karim, S., & Wali, A. (2024a). Enhancing Student Performance Prediction via Educational Data Mining on Academic Data. Informatics in Education, 23(1), 1–24. https://doi.org/10.15388/infedu.2024.04
Alamgir, Z., Akram, H., Karim, S., & Wali, A. (2024). Enhancing Student Performance Prediction via Educational Data Mining on Academic Data. Informatics in Education, 23(1), 1–24. https://doi.org/10.15388/infedu.2024.04
Apriandi, D., Sari, R. M., & Sarif, M. I. (2024). Analisis Clustering Untuk Menentukan Siswa Berprestasi di SMK Swasta TI Panca Dharma Stungkit Menggunakan Metode K-Means. Jurnal Minfo Polgan, 13(1), 1117–1129. https://doi.org/10.33395/jmp.v13i1.13959
Darsono, V., & Andrianti, A. (2022). Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM) Penerapan Data Mining Algoritma K-Means Untuk Rekomendasi Pemilihan Bidang Studi Perguruan Tinggi Pada Siswa SMKN 1 Kota Jambi. https://ejournal.unama.ac.id/index.php/jakakom
Habibie, A. F., & R, R. K. (2024). Implementasi K-Means Clustering dalam Mengklasifikasi Pengaruh Les Terhadap Prestasi Siswa dengan Metode Elbow. Journal of Computer System and Informatics (JoSYC), 6(1), 133–147. https://doi.org/10.47065/josyc.v6i1.6201
Hendrastuty, N. (2024). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa. Jurnal Ilmiah Informatika Dan Ilmu Komputer (JIMA-ILKOM), 3(1), 46–56. https://doi.org/10.58602/jima-ilkom.v3i1.26
Kurniawan, R. P., & Ferdiansyah. (2023). 3 rd Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) 30 Agustus 2023-Jakarta. 2(2).
Maqsood, R., Ceravolo, P., Ahmad, M., & Sarfraz, M. S. (2023). Examining students’ course trajectories using data mining and visualization approaches. International Journal of Educational Technology in Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00423-4
Nurahman, N., Purwanto, A., & Mulyanto, S. (2022). Klasterisasi Sekolah Menggunakan Algoritma K-Means berdasarkan Fasilitas, Pendidik, dan Tenaga Pendidik. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(2), 337–350. https://doi.org/10.30812/matrik.v21i2.1411
Rahma, F. A., & Ulfah, S. Z. (2025). Clustering Students Based on Academic Performance and Social Factors: An Unsupervised Learning Approach to Identify Student Patterns. International Journal for Applied Information Management, 5(3), 139–154. https://doi.org/10.47738/ijaim.v5i3.109
Risal, A. A. N., Andayani, D. D., Suherman, M. I., & Kaswar, A. B. (2024). Utilizing the K-Means Clustering Algorithm for Utilizing the K-Means Clustering Algorithm for Analyzing Student Achievement Assessment at SMK Negeri 1 Gowa.
Romlah, S. (2023). Management of Students Potential Development Using the Data Mining Clustering Method in MAN 2 Malang City. QALAMUNA: Jurnal Pendidikan, Sosial, Dan Agama, 15(1), 95–110. https://doi.org/10.37680/qalamuna.v15i1.2221
Yağcı, M. (2022). Educational data mining: prediction of students’ academic performance using machine learning algorithms. Smart Learning Environments, 9(1). https://doi.org/10.1186/s40561-022-00192-z
