Klasterisasi Kinerja Akademik Siswa Menggunakan Algoritma K-Means: Studi Kasus pada Data StudentsPerformance

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pola-pola kinerja akademik siswa berdasarkan karakteristik demografis dan latar belakang pendidikan. Dataset StudentsPerformance digunakan untuk mengelompokkan siswa menggunakan algoritma klastering K-Means. Atribut yang dianalisis meliputi jenis kelamin, ras/etnis, tingkat pendidikan orang tua, status makan siang, persiapan ujian, serta nilai matematika, membaca, dan menulis. Melalui proses klasterisasi, penelitian ini mengidentifikasi kelompok-kelompok siswa dengan profil kinerja yang berbeda, seperti kelompok berprestasi tinggi, sedang, dan rendah. Evaluasi dilakukan dengan Silhouette Score untuk mengukur kualitas klaster. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi pendidik dalam merancang strategi pembelajaran yang lebih personal dan efektif, serta mengoptimalkan program intervensi dan penghargaan berdasarkan karakteristik kelompok siswa yang teridentifikasi.