Implementasi Algoritma K-Means Untuk Segmentasi Siswa Dalam Pembentukan Kelas Unggulan

Abstract

Pendidikan adalah suatu proses pembelajaran yang bertujuan untuk meningkatkan pengetahuan, sikap dan keterampilan individu. Setiap bangsa hendaknya memiliki sistem pendidikan yang baik dan berkualitas. Peningkatan kualitas pendidikan menjadi salah satu prioritas utama dalam upaya mencetak generasi yang unggul dan berdaya saing. Salah satu langkah yang dapat diambil adalah dengan mengelompokkan siswa berdasarkan potensi dan kemampuan mereka. Pengelompokan ini bertujuan untuk menciptakan kelas unggulan yang dapat memberikan perhatian dan metode pembelajaran yang lebih sesuai dengan karakteristik masing-masing siswa. Salah satu metode yang efektif untuk melakukan pengelompokan data adalah algoritma K-Means, sebuah pendekatan non-hirarki yang dapat mempartisi data dengan efisien. Dari proses pengujian yang dilakukan terhadap 61 data siswa, diperoleh hasil untuk Cluster_1 (C1) kategori kelas unggulan terdapat 36 data siswa dan Cluster_0 (C2) kategori kelas cukup terdapat 25 data siswa. Performa clustering yang dihasilkan melalui metode K-Means untuk mengelompokan kelas unggulan siswa menunjukkan hasil yang cukup baik. Dengan perhitungan Davies Bouldin Index (DBI) menghasilkan nilai sebesar 0.085, jadi dapat dikatakan bahwa performa clustering yang diperoleh tergolong baik.Pendidikan adalah suatu proses pembelajaran yang bertujuan untuk meningkatkan pengetahuan, sikap dan keterampilan individu. Setiap bangsa hendaknya memiliki sistem pendidikan yang baik dan berkualitas. Peningkatan kualitas pendidikan menjadi salah satu prioritas utama dalam upaya mencetak generasi yang unggul dan berdaya saing. Salah satu langkah yang dapat diambil adalah dengan mengelompokkan siswa berdasarkan potensi dan kemampuan mereka. Pengelompokan ini bertujuan untuk menciptakan kelas unggulan yang dapat memberikan perhatian dan metode pembelajaran yang lebih sesuai dengan karakteristik masing-masing siswa. Salah satu metode yang efektif untuk melakukan pengelompokan data adalah algoritma K-Means, sebuah pendekatan non-hirarki yang dapat mempartisi data dengan efisien. Dari proses pengujian yang dilakukan terhadap 61 data siswa, diperoleh hasil untuk Cluster_1 (C1) kategori kelas unggulan terdapat 36 data siswa dan Cluster_0 (C2) kategori kelas cukup terdapat 25 data siswa. Performa clustering yang dihasilkan melalui metode K-Means untuk mengelompokan kelas unggulan siswa menunjukkan hasil yang cukup baik. Dengan perhitungan Davies Bouldin Index (DBI) menghasilkan nilai sebesar 0.085, jadi dapat dikatakan bahwa performa clustering yang diperoleh tergolong baik.