Determining Superior Classes Based on Academic Grades at SMK Karya Pembaharuan with the K-Means Clustering Method

Lydia Diffani  Siregar; Arif  Susilo; Arif Tri  Widiyatmoko

doi:10.47709/cnahpc.v6i4.4866

Authors

Lydia Diffani Siregar Universitas Pelita Bangsa
Arif Susilo Universitas Pelita Bangsa
Arif Tri Widiyatmoko Universitas Pelita Bangsa

DOI:

https://doi.org/10.47709/cnahpc.v6i4.4866

Keywords:

K-Means, Clustering, Data mining, Academic Grades, Featured Classes

Abstract

Dalam lingkungan pendidikan, pengelompokan k-means dapat membantu sekolah menemukan kelas terbaik berdasarkan nilai akademik siswa. Dengan mengelompokkan siswa berdasarkan nilai akademik, sekolah dapat lebih mudah mengidentifikasi kelompok siswa yang memiliki nilai akademik tinggi, sedang, dan rendah. Kemudian penelitian yang digunakan adalah Semua objek dalam satu cluster memiliki karakteristik yang sama , tetapi setiap cluster memiliki karakteristik yang berbeda. Novi dan Ade Mubarok menulis jurnal pada tahun 2021 yang berjudul “Penerapan Algoritma K-Means Untuk Menentukan Kelas Unggulan Pada Smp Pelita Bandung” yang menyimpulkan bahwa SMP Pelita Bandung membutuhkan 3 cluster. Setelah peneliti melakukan eksperimen, mereka dapat menghasilkan 3 cluster, yaitu cluster 0 merupakan cluster dengan nilai rata-rata terendah yang akan masuk ke dalam kelas C sebanyak 42 siswa, pada cluster 1 dengan nilai rata-rata sedang akan masuk ke dalam kelas B sebanyak 37 siswa, sedangkan pada cluster 3 dengan nilai rata-rata siswa, sedangkan pada cluster 3 dengan nilai rata-rata tertinggi akan masuk ke dalam kelas A sebanyak 40 siswa. Hasil penelitian ini menunjukkan bahwa terdapat 6 siswa dalam kategori tinggi, 24 siswa dalam kategori sedang, dan 14 siswa dalam kategori rendah. Evaluasi terhadap hasil pengelompokan menunjukkan hasil yang cukup baik, dengan nilai Davies Bouldin Index (DBI) sebesar 1,180 yang mendekati angka 0.

Downloads

Download data is not yet available.

References

Adam Rifais, & Laksana, T. G. (2024). Penerapan Algoritma K-Means Clustering Untuk Mengetahui Kemampuan Akademik Siswa Berbasis WEB. Jurnal Ilmiah Multidisiplin, 1(2), 157–183. https://doi.org/10.62282/juilmu.v1i2.157-183

Bella Bernissa, A. (2020). IMPLEMENTASI ALGORITMA K-MEANS UNTUK MENENTUKAN KELAS UNGGULAN PADA SMPN 1 BOJONG. In eProsiding Sistem Informasi (POTENSI)(Vol. 1, Issue 1). http://eprosiding.ars.ac.id/index.php/psi

Hasugian, P. S., & Raphita Sagala, J. (2022). KLIK: Kajian Ilmiah Informatika dan Komputer Penerapan Data Mining Untuk Pengelompokan Siswa Berdasarkan Nilai Akademik dengan Algoritma K-Means. Media Online, 3(3), 262–268. https://djournals.com/klik

Hutagalung, J., Hendro Syahputra, Y., Pertiwi Tanjung, Z., Triguna Dharma, S., & Pintu Air, J. I. (2022). Pemetaan Siswa Kelas Unggulan Menggunakan Algoritma K-Means Clustering. Hal AH Nasution, 9(1). http://jurnal.mdp.ac.id

Kesuma Dinata, R., Hasdyna, N., & Azizah, N. (2020). Analisis K-Means Clustering pada Data Sepeda Motor. In Informatics Journal(Vol. 5, Issue 1).

Kurniawan, S., Siregar, A. M., & Novita, H. Y. (2023). Penerapan Algoritma K-Means dan Fuzzy C-Means Dalam Mengelompokan Prestasi Siswa Berdasarkan Nilai Akademik. IV(1).

Kusuma, A. S., & Aryati, K. S. (2019). Sistem Informasi Akademik Serta Penentuan Kelas Unggulan Dengan Metode Clusttering Dengan Algoritama K-Means Di Smp Negeri 3 Ubud. Jurnal Sistem Informasi Dan Komputer Terapan Indonesia (JSIKTI), 1(3), 143–152. https://doi.org/10.33173/jsikti.29

Novi, & Ade, M. (2021). Penerapan Algoritma K-Means untuk Menentukan Kelas Unggulan di SMP Pelita Bandung. Infomatek, 32(2), 97–106. https://doi.org/10.23969/infomatek.v23i2.4351

Nurajizah, S., & Salbinda, A. (2021). Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten. Jurnal Teknik Komputer AMIK BSI, 7(2). https://doi.org/10.31294/jtk.v4i2

Oktario Dacwanda, D., & Nataliani, Y. (2021). Implementasi k-Means Clustering untuk Analisis Nilai Akademik Siswa Berdasarkan Nilai Pengetahuan dan Keterampilan. AITI: Jurnal Teknologi Informasi, 18(Agustus), 125–138.

Prasetyo Aji, W. (2024). Analisa Pengelompokkan Data Nilai Rapot Siswa Menggunakan Pendekatan Metode K-Means Di SMK Ponpes Manba’ul Ullum Cirebon. Kopertip : Jurnal Ilmiah Manajemen Informatika Dan Komputer, 8(1), 14–18. https://doi.org/10.32485/kopertip.v8i1.352

Putra Primanda, R., Alwi, A., & Mustikasari, D. (2021). url : http://studentjournal.umpo.ac.id/index.php/komputek DATA MINING SELEKSI SISWA BERPRESTASI UNTUK MENENTUKAN KELAS UNGGULAN MENGGUNAKAN METODE K-MEANS CLUSTERING (Studi Kasus di MTS Darul Fikri ). http://studentjournal.umpo.ac.id/index.php/komputek

Saputra, D. A., & Pakereng, M. A. I. (2023). Analisis Data Nilai Siswa Kelas 8 Berbasis Nilai Pengetahuan Untuk Menentukan Siswa Berprestasi dengan K-Means Clustering (Kasus SMP Negeri 4 Salatiga). In Jurnal Sains Komputer & Informatika (J-SAKTI(Vol. 7, Issue 2).

Sudrajat, W., Cholid, I., & Petrus, J. (2022). Penerapan Algoritma K-Means Clustering untuk Pengelompokan UMKM Menggunakan Rapidminer.

Sulistiyawati, A., & Supriyanto, E. (2020). Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan. Jurnal TEKNO KOMPAK, 15(2), 1–12.