Publisher

NURISNURIS

Journal Sains Data Jurnal Studi Matematika dan TeknologiSains Data Jurnal Studi Matematika dan Teknologi Abstract

Perkembangan teknologi memberikan dampak nyata hari ini. Khususnya dunia pendidikan dalam melakukan penilaian siswa, mengevaluasi keberhasilan proses pembelajaran di sekolah. Namun, pengelompokan prestasi berdasarkan nilai pengetahuan seringkali masih dilakukan secara manual sehingga kurang efektif dan kurang mampu memberikan gambaran pola akademik secara menyeluruh. Tujuan dari penelitian ini untuk menganalisis penerapan model algoritma K-Means clustering dalam mengelompokkan prestasi siswa berdasarkan nilai pengetahuan di SMP Negeri 2 Mekar Baru. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining. Data nilai pengetahuan siswa diolah melalui tahapan preprocessing, penentuan jumlah cluster (k), proses iterasi K-Means, serta mengevaluasi hasil pengelompokan. Hasil yang didapat menunjukkan bahwa algoritma K-Means mampu melakukan pengelompokan siswa ke dalam beberapa kategori prestasi, seperti tinggi, sedang maupun rendah, secara objektif berdasarkan kedekatan nilai centroid. Kesimpulannya, penerapan K-Means efektif membantu pihak sekolah dalam memetakan prestasi siswa sebagai dasar pengambilan keputusan adapun kebaruan dalam penelitian ini terletak pada penerapan model clustering sebagai sistem pendukung evaluasi prestasi berbasis data di tingkat SMP.

Conclusion

Kesimpulan dari hasil penelitian ini yang menggunakan perangkat lunak aplikasi Orange Data Mining dengan alur kerja yaitu dimulai dari pengambilan data mentah (File), proses pembersihan (Preprocess), hingga tahap inti yaitu algoritma k-Means untuk mengelompokkan siswa berdasarkan kemiripan nilai pengetahuannya.Berdasarkan pengujian otomatis terhadap 2 hingga 11 kelompok, ditemukan bahwa jumlah pengelompokan yang paling optimal secara statistik adalah 3 cluster dengan skor Silhouette sebesar 0,127.Hasil pemrosesan terhadap 24 data siswa menunjukkan sebaran prestasi yang tidak merata.Cluster C2 (Merah) menjadi kelompok prestasi dominan yang mencakup 13 siswa dengan karakteristik nilai akademik yang cenderung stabil di atas rata-rata.Di sisi lain, Cluster C3 (Hijau) terdiri dari 9 siswa dengan performa menengah, sementara Cluster C1 (Biru) hanya terdiri dari 2 siswa.Dengan demikian, model ini memberikan landasan bagi SMP Negeri 2 Mekar Baru untuk melakukan pemetaan prestasi guna memberikan bimbingan belajar yang lebih terarah sesuai dengan kekuatan dan kelemahan masing-masing kelompok siswa.

Future Research

Untuk penelitian lanjutan, dapat dipertimbangkan beberapa arah studi. Pertama, perlu dilakukan validasi dan perbandingan dengan metode clustering lainnya untuk memastikan keakuratan dan keefektifan model K-Means dalam mengelompokkan prestasi siswa. Kedua, penelitian dapat dikembangkan dengan menerapkan model clustering yang lebih kompleks, seperti Hierarchical Clustering atau DBSCAN, untuk mengidentifikasi pola prestasi yang lebih detail dan beragam. Ketiga, studi lanjutan dapat fokus pada pengembangan sistem pendukung keputusan berbasis data yang terintegrasi dengan model clustering, sehingga dapat memberikan rekomendasi intervensi pembelajaran yang lebih spesifik dan efektif bagi siswa di SMP Negeri 2 Mekar Baru.

References

1. Analisis Model Algoritma K-Means Clustering untuk Pengelompokan Prestasi Berdasarkan Nilai Pengetahuan... pub.nuris.ac.id/sainsdata/article/view/347Analisis Model Algoritma K Means Clustering untuk Pengelompokan Prestasi Berdasarkan Nilai Pengetahuan pub nuris ac sainsdata article view 347

Metadata

File size	369.2 KB
Pages	8
DMCA	Report