Determining Superior Classes Based on Academic Grades at SMK Karya Pembaharuan with the K-Means Clustering Method

Abstract

Dalam lingkungan pendidikan, pengelompokan k-means dapat membantu sekolah menemukan kelas terbaik berdasarkan nilai akademik siswa. Dengan mengelompokkan siswa berdasarkan nilai akademik, sekolah dapat lebih mudah mengidentifikasi kelompok siswa yang memiliki nilai akademik tinggi, sedang, dan rendah. Kemudian penelitian yang digunakan adalah Semua objek dalam satu cluster memiliki karakteristik yang sama , tetapi setiap cluster memiliki karakteristik yang berbeda. Novi dan Ade Mubarok menulis jurnal pada tahun 2021 yang berjudul “Penerapan Algoritma K-Means Untuk Menentukan Kelas Unggulan Pada Smp Pelita Bandung” yang menyimpulkan bahwa SMP Pelita Bandung membutuhkan 3 cluster. Setelah peneliti melakukan eksperimen, mereka dapat menghasilkan 3 cluster, yaitu cluster 0 merupakan cluster dengan nilai rata-rata terendah yang akan masuk ke dalam kelas C sebanyak 42 siswa, pada cluster 1 dengan nilai rata-rata sedang akan masuk ke dalam kelas B sebanyak 37 siswa, sedangkan pada cluster 3 dengan nilai rata-rata siswa, sedangkan pada cluster 3 dengan nilai rata-rata tertinggi akan masuk ke dalam kelas A sebanyak 40 siswa. Hasil penelitian ini menunjukkan bahwa terdapat 6 siswa dalam kategori tinggi, 24 siswa dalam kategori sedang, dan 14 siswa dalam kategori rendah. Evaluasi terhadap hasil pengelompokan menunjukkan hasil yang cukup baik, dengan nilai Davies Bouldin Index (DBI) sebesar 1,180 yang mendekati angka 0.