Analisis Pengelompokan Tingkat Pemahaman Materi Siswa Berdasarkan Nilai Ujian Menggunakan Algoritma K-Means

Penulis

  • Cahaya Muzaddidah Universitas Teknologi Yogyakarta
  • Arief Hermawan Universitas Teknologi Yogyakarta
  • Donny Avianto Universitas Teknologi Yogyakarta

DOI:

https://doi.org/10.70340/jirsi.v5i2.353

Kata Kunci:

algoritma K Means, Data mining, K-Means, Clustering, Student Understanding, Google Colab, Value Analysis.

Abstrak

Pemahaman siswa terhadap isi pembelajaran merupakan indikator penting keberhasilan pendidikan. Studi ini bertujuan untuk mengelompokkan pemahaman siswa berdasarkan hasil ujian mereka dalam mata pelajaran matematika, bahasa Inggris, sains, studi sosial, dan bahasa Arab menggunakan algoritma pengelompokan K-means. Data yang digunakan terdiri dari 60 baris data kinerja siswa, yang telah diproses dan distandarisasi menggunakan Google Colab. Jumlah kelompok dibatasi hingga dua kelompok (K=2) untuk mengkategorikan siswa sebagai memiliki tingkat pemahaman tinggi atau tingkat pemahaman dasar. Hasil penelitian menunjukkan bahwa algoritma K-means berhasil mengidentifikasi kelompok siswa dengan tingkat pemahaman yang berbeda berdasarkan nilai rata-rata ujian mereka. Kelompok dengan tingkat pemahaman tinggi mencapai nilai rata-rata lebih dari 87,4. Guru dapat menggunakan hasil pengelompokan ini sebagai dasar untuk mengembangkan strategi pembelajaran yang lebih individual dan efektif untuk setiap kelompok siswa.

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Cahaya Muzaddidah, Universitas Teknologi Yogyakarta

Cahaya Muzaddidah is a Master's student in Information Systems at Universitas Teknologi Yogyakarta. Her research interests include IT Governance (COBIT 2019),Machine Learning, and Decision Support Systems. She is actively involved in academic research focusing on data-driven decision-making and AI policy.

Referensi

A. A. S. Rahman1, Aufik, “Penerapan K-Means untuk Pengelompokan Hasil Belajar Informatika,” Indones. J. Comput. Sci., vol. 14, no. 2, pp. 3398–3411, 2025, doi: https://doi.org/10.33022/ijcs.v14i2.4556.

K. K. Ningrum, J. Maulindar, and A. Farida, “Penerapan Algoritma K-Means Untuk Pengelompokkan Penilaian Akhir Semester Di Sdn Kadokan 01 Sukoharjo,” INFOTECH J., vol. 9, no. 1, pp. 190–197, 2023, doi: 10.31949/infotech.v9i1.5343.

S. N. Br Sembiring, H. Winata, and S. Kusnasari, “Pengelompokan Prestasi Siswa Menggunakan Algoritma K-Means,” J. Sist. Inf. Triguna Dharma (JURSI TGD), vol. 1, no. 1, p. 31, 2022, doi: 10.53513/jursi.v1i1.4784.

A. Ghozy, F. S. Wahyuni, and S. Achmadi, “Implementasi Metode K-Means Clustering Untuk Pengelompokan Kelas Berdasarkan Pemahaman Siswa Pada Bimbingan Belajar Matematika Saschio Banyuwangi,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 1072–1077, 2023, doi: 10.36040/jati.v6i2.5450.

A. Anilshi, “Penerapan Algoritma K-Means Clustering Nilai,” SATI Sustain. Agric. Technol. Innov., vol. /Vol.7 No., pp. 720–734, 2024, doi: :10.29407/gj.v7i2.20359.

Siti Ramadani et al., “Pengelompokkan Nilai Siswa di Sekolah MIN 3 Kabupaten Asahan Tahun 2025 Menggunakan Data Mining Metode K-Means,” J. Pengabdi. Masy. dan Ris. Pendidik., vol. 4, no. 2, pp. 10585–10591, 2025, doi: 10.31004/jerkin.v4i2.3545.

S. Tamu Boku, R. Thimotius Abineno, and A. Aha Pekuwali, “Pengelompokan Performa Siswa Dalam Pelajaran Matematika Dengan Algoritma K-means Di Smp Negeri 4 Mauliru,” … Semin. Nas. SATI, pp. 538–552, 2023, [Online]. Available:https://ojs.unkriswina.ac.id/index.php/semnas-FST/article/view/876%0Ahttps://ojs.unkriswina.ac.id/index.php/semnas-FST/article/download/876/575

I. Salsabila, “PENERAPAN DATA MINING UNTUK MENGANALISIS PRESTASI BELAJAR SISWA MENGGUNAKAN ALGORITMA K-MEANS,” JUKI J. Komput. dan Inform., vol. X, no. X, pp. 32–41, 2024, doi: 10.53842/juki.v6i1.474.

E. Nurliana, B. Irawan, and A. Bahtiar, “Implementasi Data Mining Algoritma K-Means Untuk Klasifikasi Penduduk Miskin Berdasarkan Tingkat Kemiskinan Di Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 1116–1122, 2024, doi: 10.36040/jati.v8i1.8883.

G. W. N. Adinda Syalsabilla1, Sarjon Defit2, “ANALISIS CLUSTER ALGORITMA K-MEANS DALAM PENGELOMPOKAN KEMAMPUAN MEMBACA,” J. Inform. Manaj. dan Komput., vol. 17, no. 2, pp. 483–490, 2025, doi: http://dx.doi.org/10.36723/juri.v17i2.774.

Z. S. Rochadi and M. R. Yudhanegara, “Analisis Cluster untuk Hubungan antara Kemampuan Pemahaman Konsep dan Kemampuan Pemecahan Masalah Matematis Siswa Menggunakan K-Means Clustering,” Didact. Math., vol. 6, no. 1, pp. 68–79, 2024, doi: 10.31949/dm.v6i1.8044.

D. O. Dacwanda and Y. Nataliani, “Implementasi k-Means Clustering untuk Analisis Nilai Akademik Siswa Berdasarkan Nilai Pengetahuan dan Keterampilan,” Aiti, vol. 18, no. 2, pp. 125–138, 2021, doi: 10.24246/aiti.v18i2.125-138.

M. P. A. Ariawan, I. B. A. Peling, and G. B. Subiksa, “Prediksi Nilai Akhir Matakuliah Mahasiswa Menggunakan Metode K-Means Clustering (Studi Kasus : Matakuliah Pemrograman Dasar),” J. Nas. Teknol. dan Sist. Inf., vol. 9, no. 2, pp. 122–131, 2023, doi: 10.25077/teknosi.v9i2.2023.122-131.

A. Nurul Alifia, A. Fahrudi Setiawan, and D. Rudhistiar, “IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING PENDETEKSIAN DINI PERFORMA SISWA PADAPEMBELAJARAN BAHASA INDONESIA,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1174–1181, 2024, doi: 10.36040/jati.v8i2.9075.

A. L. Wahap, A. A. Pekuwali, and R. T. Abineno, “Implementation of the k-means algorithm for early detection of student performance in Indonesian language learning. Alsiningsi,” SATI Sustain. Agric. Technol. Innov., vol. 3, no. Agust, pp. 581–592, 2023, [Online]. Available: homepage: https://ojs.unkriswina.ac.id/index.php/semnas-FST I

Unduhan

Diterbitkan

2026-05-30

Terbitan

Vol 5 No 2 (2025): Mei 2026

Bagian

Articles

Lisensi

Hak Cipta (c) 2026 Cahaya Muzaddidah, Arief Hermawan, Donny Avianto

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.