Penerapan Algoritma K-Means Clustering dalam Pengelompokan Kelas Berdasarkan Nilai Akademik

Eko Harli, Ahmad Fauzi, Tria Hadi Kusmanto

Abstract


Mengorganisir data ke dalam satu atau lebih cluster, algoritma K-Means dapat digunakan dalam proses data clustering. Data dengan representasi yang serupa ditempatkan dalam satu kelompok, sedangkan data dengan representasi yang berbeda ditempatkan di kelompok lain. Pengelompokan data siswa, yang terdiri dari kelompok atau kelas siswa unggul, sedang, dan rendah dapat digunakan untuk membantu sekolah mendukung anak-anak berdasarkan kapasitas belajar dan partisipasi mereka yang beragam dalam pembelajaran. Perhitungan klaster K-Means digunakan untuk menyajikan laporan hasil belajar siswa berdasarkan data siswa dari penilaian terpusat. Karakteristik yang digunakan dalam proses perhitungan untuk mengidentifikasi siswa dalam kelas unggul, sedang, dan rendah diperoleh dari penilaian ini. Tujuan proyek ini adalah menggunakan bahasa pemrograman Python untuk pengujian algoritma K-Means dalam menangani data penilaian terpusat guna menyajikan laporan hasil belajar siswa dan mengklasifikasikan siswa ke dalam kelompok kelas. Hal ini memungkinkan penanganan dan pengelompokan data siswa secara efisien dan efektif.



Keywords


K-Means, Siswa, Kelas

References


Fahrezi, H. (2025). Sistem Manajemen Kelas Menggunakan K-Means Clustering untuk Pengelompokan Kelas Unggulan pada Sekolah Dasar Negeri Neglasari. Jurnal Kridatama Sains dan Teknologi, 7(02), 720–738.

Asmana, Wijaya, Y. A., & Martanto. (2022). K-Means di Sekolah Menengah Kejuruan Wahidin Kota Cirebon. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 552–559.

Awalia, R. (2024). Penerapan Metode K-Means Clustering untuk Pengelompokan Prestasi Siswa menggunakan Orange Data Mining : Studi Kasus di MTs Muhammadiyah Tallo Makassar. MAPLE, 6(2), 36–41.

Dinata, R. K., Hasdyna, N., & Azizah, N. (2020). Analisis K-Means Clustering pada Data Sepeda Motor. INFORMAL Informatics Journal, 5(1), 10–17.

Harahap, P. N., & Sulindawaty. (2019). Implementasi Data Mining Dalam Memprediksi Transaksi Penjualan Menggunakan Algoritma Apriori (Studi Kasus PT.Arma Anugerah Abadi Cabang Sei Rampah). MATICS, 11(2), 46–50.

Harli, E., Fauzi, A., & Kusmanto, T. H. (2016). Pengelompokkan Kelas Menggunakan Self Organizing Map Neural Network pada SMK N 1 Depok. 2(2), 90–95.

Hasugian, P. S., & Sagala, J. R. (2022). Penerapan Data Mining Untuk Pengelompokan Siswa Berdasarkan Nilai Akademik dengan Algoritma K-Means. 3(3), 262–268.

Mardi, Y. (2016). Jurnal Edik Informatika Data Mining : Klasifikasi Menggunakan Algoritma C4.5. Jurnal Edik Informatika, 2(2), 213–219.

Tarigan, P. M. S., Hardinata, J. T., Qurniawan, H., Safii, M., & Winanjaya, R. (2022). Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang (Studi Kasus : Toko Sinar Harahap) Implementation of Data Mining Using Apriori Algorithm in Determining Inventory (Case Study : Sinar Harahap Store). Jurnal Janitra Informatika Dan Sistem Informasi, 2(1), 9–19. https://doi.org/10.25008/janitra.v2i1.142




DOI: https://doi.org/10.30998/semnasristek.v10i1.8885

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: