PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN KEMAMPUAN AKADEMIK SISWA BERDASARKAN NILAI MATA PELAJARAN PADA SMP NEGERI 1 TANJUNG SAKTI PUMU

Abstract

Penilaian kemampuan akademik siswa di sekolah pada umumnya masih didasarkan pada akumulasi nilai dan posisi peringkat di kelas. Pendekatan tersebut belum sepenuhnya mampu memberikan gambaran yang terstruktur mengenai tingkat kemampuan akademik setiap siswa. Oleh karena itu, penelitian ini dilakukan untuk mengidentifikasi dan mengelompokkan kemampuan akademik siswa berdasarkan data nilai mata pelajaran dengan memanfaatkan algoritma k-means clustering. Dataset yang digunakan berasal dari nilai rapor 386 siswa SMP Negeri 1 Tanjung Sakti PUMU yang mencakup 11 mata pelajaran. Proses penelitian mengikuti tahapan Cross Industry Standard Process for Data mining (CRISP-DM), yang terdiri atas business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Pengolahan data dilakukan menggunakan perangkat lunak RapidMiner melalui beberapa tahapan, yaitu pemilihan atribut yang relevan, penanganan data yang tidak lengkap (missing value), serta normalisasi data. Untuk menentukan jumlah cluster yang paling sesuai, digunakan metode elbow dengan pengujian nilai k pada rentang 2 sampai 6. Hasil analisis menunjukkan bahwa konfigurasi terbaik diperoleh pada tiga cluster. Berdasarkan nilai centroid yang dihasilkan, cluster pertama merepresentasikan siswa dengan kemampuan akademik tinggi, cluster kedua menggambarkan siswa dengan kemampuan akademik rendah, sedangkan cluster ketiga menunjukkan kelompok siswa dengan kemampuan akademik sedang. Temuan penelitian membuktikan bahwa algoritma K-Means mampu mengelompokkan siswa berdasarkan kesamaan karakteristik nilai akademiknya secara efektif. Dengan demikian, metode ini dapat dimanfaatkan sebagai sarana pendukung dalam pemetaan kemampuan akademik siswa secara lebih objektif guna menunjang proses evaluasi pembelajaran yang berbasis data.