IKMIIKMI

Jurnal ICT: Information Communication & TechnologyJurnal ICT: Information Communication & Technology

SMA Negeri 1 Aek Songsongan masih menghadapi kendala dalam pengelolaan dan analisis data akademik, di mana data historis rapor belum dimanfaatkan secara optimal untuk mendukung keputusan pembelajaran yang tepat sasaran. Penelitian ini bertujuan mengembangkan solusi berupa sistem cerdas berbasis web untuk menganalisis pola prestasi siswa dan menghasilkan rekomendasi pembelajaran yang lebih terarah. Sistem dirancang menggunakan algoritma K-Means Clustering melalui pendekatan Knowledge Discovery in Databases yang meliputi pengumpulan data, preprocessing, proses clustering, evaluasi kualitas kluster menggunakan Davies-Bouldin Index, serta penyusunan rekomendasi otomatis. Data penelitian terdiri dari 1.384 nilai rapor dari tiga tahun ajaran dan setelah proses preprocessing menghasilkan 1.075 data valid dengan delapan atribut mata pelajaran. Hasil penelitian menunjukkan terbentuknya tiga kluster dengan nilai Davies-Bouldin Index sebesar 0,9678 yang mengindikasikan kualitas pemisahan yang sangat baik. Cluster pertama menggambarkan kelompok siswa berprestasi tinggi, cluster kedua menunjukkan siswa dengan performa sedang-baik, dan cluster ketiga mencerminkan siswa dengan pola nilai yang tidak merata. Sistem menghasilkan rekomendasi berbeda untuk setiap kelompok berupa program akselerasi, bimbingan reguler, dan remedial intensif. Temuan ini menunjukkan bahwa pemanfaatan teknik clustering dapat mendukung sekolah dalam merancang strategi pembelajaran yang lebih efektif dan berbasis data.

Penelitian ini berhasil mengembangkan sistem cerdas berbasis web menggunakan algoritma K-Means Clustering untuk menganalisis data rapor siswa di SMA Negeri 1 Aek Songsongan.Sistem ini mampu mengelompokkan siswa menjadi tiga kelompok berdasarkan pola prestasi akademik mereka, dengan kualitas pemisahan cluster yang sangat baik ditunjukkan oleh nilai Davies-Bouldin Index sebesar 0,9678.Hasil penelitian ini memberikan rekomendasi pembelajaran yang terarah untuk setiap kelompok siswa, yang diharapkan dapat meningkatkan efektivitas strategi pembelajaran di sekolah.

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian selanjutnya dapat memperluas cakupan data dengan memasukkan variabel non-akademik seperti kehadiran, minat belajar, dan faktor sosial ekonomi siswa untuk mendapatkan gambaran yang lebih komprehensif mengenai faktor-faktor yang memengaruhi prestasi akademik. Kedua, perlu dilakukan perbandingan performa algoritma K-Means dengan algoritma clustering lainnya seperti DBSCAN atau hierarchical clustering untuk mengidentifikasi metode yang paling optimal dalam mengelompokkan data siswa. Ketiga, pengembangan sistem peringatan dini (early warning system) berbasis machine learning dapat diintegrasikan ke dalam sistem cerdas ini untuk memprediksi risiko kegagalan belajar siswa secara proaktif, sehingga guru dapat memberikan intervensi yang lebih tepat waktu dan efektif. Integrasi ini akan memungkinkan sekolah untuk tidak hanya menganalisis data historis, tetapi juga memprediksi potensi masalah dan mengambil tindakan preventif untuk memastikan setiap siswa mencapai potensi maksimalnya. Dengan demikian, sistem cerdas ini dapat menjadi alat yang lebih komprehensif dan adaptif dalam mendukung proses pembelajaran yang personal dan efektif.

Read online
File size1.12 MB
Pages9
DMCAReport

Related /

ads-block-test