Klasterisasi Akademik Prestasi Siswa Menggunakan Algoritma K-Prototype

Abstract

Dalam dunia pendidikan, seringkali muncul permasalahan dalam menentukan tingkat prestasi siswa berdasarkan kategori rendah, sedang, dan tinggi, serta dalam mengidentifikasi siswa-siswa unggulan di dalam kelas. Untuk mengatasi permasalahan tersebut, pendekatan data mining dengan algoritma K-Prototypes dapat digunakan untuk mengelompokkan data siswa yang terdiri dari kombinasi atribut numerik dan kategorikal. Dalam penelitian ini, dilakukan klasterisasi terhadap data nilai siswa kelas VII–IX MTs Nurul Hidayah tahun ajaran 2021–2024 yang mencakup semester ganjil hingga genap. Atribut yang digunakan meliputi nilai akademik, aspek keaktifan, afektif, psikomotorik, serta data kategorikal seperti kehadiran dan partisipasi ekstrakurikuler. Proses clustering diterapkan untuk mengelompokkan siswa berdasarkan pola nilai dan karakteristik mereka, guna mengidentifikasi kecenderungan keberhasilan dalam pembelajaran. Validasi dilakukan melalui wawancara dengan guru mata pelajaran dan wali kelas, serta verifikasi nilai dari sistem Dapodik. Hasil penelitian menunjukkan bahwa algoritma K-Prototypes mampu mengelompokkan siswa ke dalam kategori prestasi rendah, sedang, dan tinggi secara lebih akurat karena mampu menangani data campuran. Dengan adanya sistem klasterisasi ini, pihak sekolah dapat lebih mudah mengenali siswa yang membutuhkan perhatian khusus dan dapat merancang strategi pembelajaran yang lebih efektif dan terarah.