Penerapan Metode K-Means Clustering untuk Pengelompokan Prestasi Siswa menggunakan Orange Data Mining: Studi Kasus di MTs Muhammadiyah Tallo Makassar
Sari
Peningkatan kualitas pendidikan adalah fokus utama bagi setiap institusi pendidikan, terutama di Indonesia, dengan salah satu indikator keberhasilannya adalah prestasi siswa. Namun, terdapat kesenjangan prestasi yang signifikan antar siswa yang disebabkan oleh berbagai faktor seperti latar belakang sosial ekonomi dan kualitas pembelajaran. Untuk memahami pola prestasi siswa, penelitian ini menerapkan metode K-Means Clustering untuk mengelompokkan prestasi siswa di MTs Muhammadiyah Tallo Makassar menggunakan software Orange Data Mining. Penelitian ini bertujuan untuk mengelompokkan prestasi siswa menjadi tiga cluster: tinggi, cukup, dan rendah berdasarkan nilai akademik siswa. Penelitian ini menggunakan dataset nilai raport siswa kelas VII.1 tahun pelajaran 2022/2023. Tahapan penelitian meliputi studi literatur, pengumpulan data, preprocessing data, penerapan metode K-Means Clustering, dan analisis hasil. Hasil penelitian menunjukkan bahwa metode K-Means Clustering berhasil mengelompokkan prestasi siswa ke dalam tiga cluster dengan bantuan Orange Data Mining, yang mempermudah interpretasi dan visualisasi hasil. Cluster tinggi terdiri dari 8 siswa, cluster cukup terdiri dari 10 siswa, dan cluster rendah terdiri dari 3 siswa. Hasil clustering ini memberikan wawasan berharga bagi pendidik untuk merumuskan strategi pembelajaran yang tepat bagi setiap kelompok siswa, khususnya untuk membantu siswa dalam cluster cukup dan rendah meningkatkan prestasinya. Penelitian ini merekomendasikan analisis lanjutan dengan data yang lebih besar dan variabel tambahan untuk mendapatkan hasil yang lebih komprehensif.
Referensi
Khusaini and Muvera, “Prestasi Belajar dan Karakteristik Orang Tua: Studi Perbandingan Sekolah Menengah Atas Perkotaan-Pedesaan,” Jurnal Pendidikan Ekonomi Undiksha, vol. 12. No. 2, pp. 296–310, 2020.
W. Divaci Anastasya, W. Say, D. Sri Wahyuni, and Januar, “Kesenjangan Prestasi di Sekolah: Faktor-Faktor Stratifikasi yang Berperan Authors,” Jurnal Pendidikan Dan Ilmu Sosial, vol. 2. No.1, pp. 171–181, Jan. 2024.
E. A. Saputra and Y. Nataliani, “Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means,” Journal-ISI, vol. 3, no. 3, pp. 424–439, Oct. 2021, doi: 10.51519/journalisi.v3i3.164.
F. P. Dewi, P. S. Aryni, and Y. Umaidah, “Implementasi Algoritma K-Means Clustering Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran,” vol. 7, no. 2.
J. Ramadhani, M. Din Nawar, and N. M. Plorensia Aritonang, “PENILAIAN PENGELOMPOKAN DATA PRESTASI SISWA MENGGUNAKAN METODE K-MEANS UNTUK MENGENALI SISWA BERPRESTASI,” J-Com, vol. 4, no. 1, pp. 15–22, Mar. 2024, doi: 10.33330/j-com.v4i1.2977.
R. P. Primanda, A. Alwi, and D. Mustikasari, “DATA MINING SELEKSI SISWA BERPRESTASI UNTUK MENENTUKAN KELAS UNGGULAN MENGGUNAKAN METODE K-MEANS CLUSTERING (Studi Kasus di MTS Darul Fikri ),” jkt, vol. 5, no. 1, p. 88, Apr. 2021, doi: 10.24269/jkt.v5i1.686.
Silvana Nazuah, Shofa Shofia Hilabi, Agustia Hananto, Baenil Huda, and Tukino, “Seleksi Penerimaan Beasiswa Dengan Metode K-Means Clustering Menggunakan Orange,” JUSTINDO, vol. 8, no. 1, pp. 18–27, Feb. 2023, doi: 10.32528/justindo.v8i1.212.
Y. Syahra, “Penerapan Data Mining Dalam Pengelompokkan Data Nilai Siswa Untuk Penentuan Jurusan Siswa Pada SMA Tamora Menggunakan Algoritma K-Means Clustering,” Sains dan Komputer (SAINTIKOM), vol. 17 No.02, pp. 228–233, 2018.
F. P. Dewi, P. S. Aryni, and Y. Umaidah, “Implementasi Algoritma K-Means
Refbacks
- Saat ini tidak ada refbacks.