CLUSTERING PRESTASI AKADEMIK SISWA MTs MENGGUNAKAN METODE K-MEANS
Abstract
Prestasi akademik merupakan elemen krusial dalam mengevaluasi mutu pembelajaran dan capaian siswa di institusi pendidikan, khususnya di jenjang Madrasah Tsanawiyah (MTs). Pemantauan terhadap capaian ini perlu dilakukan secara rutin agar sekolah dapat memberikan tindakan yang tepat dan meningkatkan kualitas pembelajaran. Namun, jumlah siswa yang besar serta latar belakang yang beragam sering kali membuat proses analisis manual menjadi tidak efisien dan rawan subjektivitas. Untuk mengatasi permasalahan ini, diperlukan pendekatan berbasis teknologi, salah satunya melalui penerapan teknik data mining. Penelitian ini mengadopsi metode clustering K-Means guna mengelompokkan siswa berdasarkan data akademik seperti nilai rapor, kehadiran, partisipasi dalam kegiatan ekstrakurikuler, penilaian sikap, serta hasil ujian akhir. Metode K-Means dipilih karena kemampuannya mengelompokkan data ke dalam klaster dengan karakteristik serupa secara otomatis tanpa memerlukan label awal. Hasil pengelompokan ini dapat dimanfaatkan oleh pihak sekolah untuk mengidentifikasi pola prestasi siswa secara lebih objektif, sehingga dapat dirancang strategi pembelajaran dan pendampingan yang lebih efektif. Sistem yang dikembangkan dalam penelitian ini diharapkan dapat menjadi alat bantu dalam pengambilan keputusan akademik serta mendukung peningkatan mutu layanan pendidikan di lingkungan MTs. Selain itu, sistem ini juga berpotensi menjadi fondasi bagi pengembangan sistem informasi akademik berbasis analitik yang mendorong transformasi digital dalam dunia pendidikan serta meningkatkan efektivitas manajemen sekolah secara keseluruhan.
Keywords
Full Text:
PDFReferences
Adam Rifais, & Laksana, T. G. (2024). Penerapan Algoritma K-Means Clustering Untuk Mengetahui Kemampuan Akademik Siswa Berbasis WEB. Jurnal Ilmiah Multidisiplin, 1(2), 157–183. https://doi.org/10.62282/juilmu.v1i2.157-183
Adhitya, Y., Mulyani, G. S., Köppen, M., & Leu, J. S. (2023). IoT and Deep Learning-Based Farmer Safety System. Sensors, 23(6), 1–18. https://doi.org/10.3390/s23062951
Al, U., & Mandar, A. (2025). Peqguruang : Conference Series. 7.
Ananda, R. A. (2024). Clustering Menggunakan Algoritma K-MKantardics, M. (2020). Data mining: Concept, models, methods, and algorithms.eans untuk Mengelompokan Data Perjudian Berdasarkan Wilayah di Kota Binjai ( Studi Kasus : Pengadilan Negeri Binjai ). 4.
Anwar, S., Suprapti, T., Dwilestari, G., & Ali, I. (2022). Pengelompokkan Hasil Belajar Siswa dengan Metode Clustering K-Means. JURSISTEKNI (Jurnal Sistem Informasi Dan Teknologi Informasi), 4(2), 60–72.
Dacwanda, D. O., & Nataliani, Y. (2021). Implementasi k-Means Clustering untuk Analisis Nilai Akademik Siswa Berdasarkan Nilai Pengetahuan dan Keterampilan. Aiti, 18(2), 125–138. https://doi.org/10.24246/aiti.v18i2.125-138
Prihati, Y., Suwarno, & Dharmawan, A. (2019). Implementasi Algoritma K-Means Untuk Pemetaan Prestasi Akademik Siswa Disekolah Dasar Terang Bagi Bangsa Pati. Kinabalu, 11(2), 50–57.
Sibuea, M. L., & Safta, A. (2017). Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustring. Jurteksi, 4(1), 85–92. https://doi.org/10.33330/jurteksi.v4i1.28
DOI: http://dx.doi.org/10.35329/jp.v7i2.6538
Article Metrics
Abstract views : 201 times |
PDF - 59 times
Refbacks
- There are currently no refbacks.
Alamat Penyunting & Distribusi:
JOURNAL PEQGURUANG: Conference Series
E-ISSN: 2686-3472
Gedung Biro AKSI. Lt 2. Ruang Lembaga Penelitian dan Pengabdian Masyarakat Universitas Al Asyariah Mandar
Telp./Fax (0428) 21038
Email: peqguruang@gmail.com
Website: https://journal.lppm-unasman.ac.id/index.php/peqguruan/index
Penerbit:
Lembaga Penelitian dan Pengabdian Masyarakat Universitas Al Asyariah Mandar
Indexed by:
Member of:

JOURNAL PEQGURUANG: Conference Series is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


