Analisis Klasterisasi Prestasi Siswa Dengan Metode K-Means di SMP Negeri 92 Jakarta

Agus Tri Haryanto; Achmad Lutfi Fuadi

doi:10.30587/indexia.v8i1.10574

Authors

Agus Tri Haryanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Pamulang
Achmad Lutfi Fuadi Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Pamulang

DOI:

https://doi.org/10.30587/indexia.v8i1.10574

Keywords:

Data Mining, Davies-Bouldin Index, K-Means, Klasterisasi, Prestasi Siswa

Abstract

Evaluasi prestasi siswa di SMP Negeri 92 Jakarta masih terbatas pada perhitungan nilai rata-rata dan perbandingan dengan Kriteria Ketuntasan Minimal (KKM), sehingga belum memberikan gambaran pola capaian akademik yang menyeluruh. Akibatnya, program pembinaan seperti remedial dan pengayaan menjadi kurang spesifik dan tidak sepenuhnya berbasis data. Penelitian ini bertujuan untuk menerapkan teknik data mining dengan algoritma K-Means untuk mengelompokkan siswa berdasarkan pola prestasi mereka secara objektif. Metode penelitian menggunakan pendekatan kuantitatif dengan mengolah data sekunder dari 250 siswa kelas VIII tahun ajaran 2024/2025, yang mencakup 30 atribut nilai dari tiga jenis asesmen (Tugas Harian, ATS, dan AAS) pada sepuluh mata pelajaran utama. Proses analisis melibatkan pra-pemrosesan data dengan normalisasi Min-Max dan penentuan jumlah klaster (k) optimal menggunakan metrik Davies-Bouldin Index (DBI). Hasil analisis menunjukkan bahwa jumlah klaster paling optimal adalah dua (k=2). Klasterisasi berhasil membagi siswa ke dalam dua kelompok: Cluster_1 sebanyak 133 siswa yang diidentifikasi sebagai kelompok berprestasi tinggi dengan nilai centroid unggul di sebagian besar mata pelajaran, dan Cluster_0 sebanyak 117 siswa sebagai kelompok dengan prestasi sedang hingga rendah. Hasil pengelompokan ini memberikan dasar yang objektif bagi pihak sekolah untuk merancang strategi pembinaan yang lebih tepat sasaran.

Downloads

Download data is not yet available.

References

[1] Y. Elda, S. Defit, Y. Yunus, dan R. Syaljumairi, “Klasterisasi Penempatan Siswa yang Optimal untuk Meningkatkan Nilai Rata-Rata Kelas Menggunakan Metode K-Means,” Jurnal Pendidikan dan Informatika, vol. 8, no. 2, hal. 97–105, 2021.

[2] J. Han, M. Kamber, dan J. Pei, Data Mining: Concepts and Techniques, ed. ke-3. Waltham, MA, USA: Morgan Kaufmann, 2012.

[3] J. Hutagalung, Y. H. Syahputra, dan Z. P. Tanjung, “Pemetaan Siswa Kelas Unggulan Menggunakan Algoritma K-Means Clustering,” JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), vol. 9, no. 1, hal. 606–620, 2022.

[4] H. Winata, S. N. Br Sembiring, dan S. Kusnasari, “Pengelompokan Prestasi Siswa Menggunakan Algoritma K-Means,” Jurnal Pendidikan dan Teknologi, vol. 12, no. 1, hal. 34–44, 2022.

[5] A. S, T. Suprapti, G. Dwilestari, dan I. Ali, “Pengelompokan Hasil Belajar Siswa dengan Metode Clustering K-Means,” Jurnal Riset Sistem Informasi Dan Teknologi Informasi (JURSISTEKNI), vol. 4, no. 2, hal. 60–72, 2022.

[6] D. L. Davies dan D. W. Bouldin, “A cluster separation measure,” IEEE Trans. Pattern Anal. Mach. Intell., vol. PAMI-1, no. 2, hal. 224–227, Apr. 1979.

[7] M. Alshaigi, G. Qaterji, M. Nazzal, dan S. Haj Ismail, “Leveraging Clustering and Recommendations for Personalized Learning,” Education Sciences, vol. 15, no. 8, 2025.

[8] M. N. Sutoyo dan A. Paliling, “Optimizing Student Performance Prediction via K-Means and k-NN Integration,” Int. J. Educ. Manage. Eng., vol. 15, no. 4, hal. 12–22, Agu. 2025.

[9] A. R. Antoni, D. Sartika, dan D. A. Trianggana, “Penerapan Data Mining dalam Pengelompokan Data Nilai Siswa SMA Negeri 7 Kota Bengkulu Menggunakan Metode K-Means Clustering,” Jurnal Data Mining dan Pendidikan, vol. 12, no. 3, hal. 122–133, 2025.

[10] I. Fitriani dan D. Astuti, “Data mining untuk analisis nilai ujian dan tingkat kehadiran siswa: Pendekatan K-Means,” Jurnal Ilmiah Teknologi dan Pendidikan, vol. 17, no. 3, hal. 47–55, 2021.

[11] Herlina dan Z. Ernaningsih, “Implementasi K-Means Clustering untuk Analisis Tingkat Pemahaman Computational Thinking Siswa Sekolah Dasar,” Jurnal Teknologi Pendidikan, vol. 16, no. 2, hal. 88–94, 2023.

[12] M. Qusyairi, Z. Hidayatullah, dan A. Sandi, “Penerapan K-Means Clustering dalam Pengelompokan Prestasi Siswa dengan Optimasi Metode Elbow,” Jurnal Teknologi Pendidikan, vol. 45, no. 3, hal. 123–135, 2024.

[13] J. S. Sibatuara, “Klasterisasi Tingkat Pemahaman Siswa dalam Sistem Pembelajaran Online dengan Metode K-Means Clustering,” Jurnal Pembelajaran Digital, vol. 4, no. 1, hal. 56–65, 2022.

[14] R. Sari dan S. Wahyuni, “Pemanfaatan data mining untuk analisis prestasi siswa menggunakan algoritma K-Means,” Jurnal Pendidikan dan Teknologi, vol. 22, no. 4, hal. 134–141, 2020.

[15] J. Han, M. Kamber, dan J. Pei, Data Mining: Concepts and Techniques, ed. ke-4. Cambridge, MA, USA: Elsevier, 2017.