Sistem Penyeleksian peserta Didik Baru Menggunakan Al-goritma K-Means Clustering
Keywords:
K-Means, Clustering, Kelas Unggulan, BCV/WCV RatioAbstract
Tujuan penelitian ini adalah: 1) mengimplementasikan algoritma K-Means Clustering untuk mengelompokkan data hasil seleksi calon peserta didik baru di SMA Unggulan Karangsawo, dan 2) menilai tingkat akurasi pengelompokan yang dihasilkan dalam mendukung penentuan Kelas Unggulan maupun Kelas Reguler. Penelitian ini menggunakan pendekatan kuantitatif dengan metode K-Means Clustering melalui teknik data mining sebagai dasar pengambilan keputusan. Subjek penelitian adalah siswa SMA Unggulan Karangsawo, dengan data berupa nilai tes akademik yang dijadikan atribut dalam proses klasterisasi. Data kemudian dipisahkan ke dalam dua kelompok, yaitu cluster pertama untuk Kelas Unggulan dan cluster kedua untuk Kelas Reguler. Hasil analisis menunjukkan bahwa K-Means mampu mengelompokkan siswa sesuai dengan kemampuan akademiknya, sehingga dapat membantu penentuan kelas unggulan secara lebih objektif. Evaluasi menggunakan rasio BCV/WCV menghasilkan nilai 0,4223, yang termasuk dalam kategori baik.
References
[1] Amaliyah, A., & Rahmat, A. (2021). Pengembangan potensi diri peserta didik melalui proses pendidikan. Attadib: Journal of Elementary Education, 5(1), 28–37. https://doi.org/10.32507/attadib.v5i1.926
[2] Ahmad, A., Tiara Sari, A. J., Wardana, A. H., Rosyid, M. N. I., Widianto, E., & Rasyad, A. (2023). Tren perkembangan pendidikan non-formal. Jurnal Pendidikan (Teori dan Praktik), 7(2), 76–82. https://doi.org/10.26740/jp.v7n2.p76-82
[3] Andy Setiawan, M. (2019). Sistem pendukung keputusan penerimaan siswa baru di SMK Negeri 2 Blitar menggunakan metode TOPSIS berbasis web. JATI (Jurnal Mahasiswa Teknik Informatika), 3(2), 53–58. https://doi.org/10.36040/jati.v3i2.859
[4] Asroni, A., & Adrian, R. (2016). Penerapan metode K-Means untuk clustering mahasiswa berdasarkan nilai akademik dengan Weka interface studi kasus pada Jurusan Teknik Informatika UMM Magelang. Semesta Teknika, 18(1), 76–82. https://doi.org/10.18196/st.v18i1.708
[5] Bu’ulolo, E., & Purba, B. (2021). Algoritma clustering untuk membentuk cluster zona penyebaran Covid-19. Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, 12(1), 59–67. https://doi.org/10.31849/digitalzone.v12i1.6572
[6] Candra, F. (2019). Penerapan algoritma clustering K-Means untuk menentukan potensi wilayah pendistribusian barang [Skripsi, Universitas Islam Negeri Sultan Syarif Kasim Riau].
[7] Desi, E., Aliyah, S., Lestari, S., & Dari, W. (2022). Implementasi algoritma K-Means untuk penerimaan siswa baru di SMANPAS ber-dasarkan nilai rapor dan hasil tes. IT (Informatic Technique) Journal, 10(1), 1–10. https://doi.org/10.22303/it.10.1.2022.01-10
[8] Indriyani, F., & Irfiani, E. (2019). Clustering data penjualan pada toko perlengkapan outdoor menggunakan metode K-Means. JUITA: Jurnal Informatika, 7(2), 109–115. https://doi.org/10.30595/juita.v7i2.5529
[9] Iqbal, M. (2019). Klasterisasi data jamaah umroh pada Auliya Tour & Travel menggunakan metode K-Means clustering. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 5(2), 97–104. https://doi.org/10.33330/jurteksi.v5i2.352
[10] Mauladi, K. F., & Susilo, P. H. (2021). Klasterisasi virus Covid-19 di wilayah Kabupaten Lamongan dengan metode K-Means clustering. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 6(2), 325–335. https://doi.org/10.29100/jipi.v6i2.1999
[11] Rousseeuw, L. K., & P. J. (1990). Finding groups in data: An introduction to cluster analysis. Wiley.
[12] Solichin, A., & Khairunnisa, K. (2020). Klasterisasi persebaran virus Corona (Covid-19) di DKI Jakarta menggunakan metode K-Means. Fountain of Informatics Journal, 5(2), 52–60. https://doi.org/10.21111/fij.v5i2.4905
[14] Susilo, P. H., & Rohman, M. G. (2019, September 19). Efektivitas sistem pembelajaran online sebagai media pembelajaran berbasis aplikasi web di era milenial. Seminar Nasional Sistem Informasi 2019, Fakultas Teknologi Informasi – UNMER Malang, 2038–2044. ISSN 2598-0076.
[15] Susiliwati, A. G., Dharmawan, J., & Budi, A. S. (2025). Evaluasi Kinerja Dosen Berbasis Kepuasan Mahasiswa dengan Metode K-Means. Jurnal teknika, 17(1), 51-58
[16] Widiastuti, N. A., & Azzat, N. N. (2022). Evaluasi Jarak Centroid Distance On High School Mapping For Location Determination of New Students Promotion Using K-Means Algorithm. Jurnal Disprotek, 53-64.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Publikasi Ilmu Komputer dan Multimedia
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
