Klasterisasi Mahasiswa Berdasarkan Performa Akademik Menggunakan Algoritma K-Means pada RapidMiner: Studi Kasus dengan Dataset Student Academic Performance
Kata Kunci:
K-Means, pengelompokan, RapidMiner, penambangan dataAbstrak
Prestasi akademik siswa sangat penting untuk mengevaluasi keberhasilan pembelajaran dan mengembangkan metode pendidikan yang lebih baik. Algoritma K-Means Clustering digunakan dalam aplikasi RapidMiner untuk mengelompokkan siswa berdasarkan prestasi akademik mereka. Data sintetis yang digunakan dari platform Kaggle mencakup informasi tentang nilai akademik, tingkat kehadiran, dan partisipasi siswa. Penelitian ini melakukan pra-pemrosesan data, pemilihan atribut, penerapan algoritma, dan evaluasi kualitas klaster. Hasil menunjukkan bahwa tiga kelompok siswa menunjukkan prestasi akademik yang rendah, sedang, dan baik. Evaluasi dengan indeks Davies-Bouldin digunakan untuk menentukan hasil klasterisasi yang ideal. Temuan ini diharapkan dapat digunakan oleh institusi pendidikan untuk mengembangkan metode pembelajaran yang lebih sesuai dan efisien.
Referensi
Daniel, D. T. (2023). Pengelompokan penerimaan mahasiswa baru dengan algoritma K-Means untuk meningkatkan potensi pemasaran. Bulletin of Information Technology (BIT), 4(3), 294–298.
Han, J., & Pei, J. (2022). Data mining: Concepts and techniques (4th ed.). Morgan Kaufmann.
Bawono, R. (2020). Perlindungan data pribadi di era digital. Jurnal Ilmiah Komputer dan Informatika (JIKI), 5(1), 22–29.
Bayu, D., & Aditya, H. (2022). Edukasi penggunaan internet aman untuk remaja. Jurnal Abdimas Teknologi, 6(2), 110–117.
Kaur, H., & Verma, P. (2021). Performance analysis of K-means clustering algorithm with different distance metrics. International Journal of Scientific & Technology Research, 10(2), 164–169.
Linoff, G. S., & Berry, M. J. A. (2022). Data mining techniques: For marketing, sales, and customer relationship management (3rd ed.). Wiley.
Purnama, Y. W., & Marito, W. (2023). Penerapan algoritma K-Means untuk pengelompokan data akademik mahasiswa. Jurnal Teknologi Informasi dan Pendidikan, 16(1), 45–52.
Safnita, F., & Dewi, R. (2024). Penerapan algoritma K-Means dalam pengklasteran hasil evaluasi akademik mahasiswa. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), 5(2), 513–520.
Suraya, S., & Sari, R. (2023). Penerapan metode clustering dengan algoritma K-Means pada pengelompokan indeks prestasi akademik mahasiswa. SKANIKA: Sistem Komputer dan Teknik Informatika, 6(1), 51–60.
Susetyo, A., & Nugraha, A. (2022). Analisis pengelompokan data menggunakan algoritma K-Means dalam sistem informasi akademik. Jurnal Ilmu Komputer dan Aplikasi, 8(2), 78–84.
Wahap, A. L., & Putra, A. P. (2024). Implementasi algoritma K-Means clustering pendeteksian dini performa siswa pada pembelajaran Bahasa Indonesia. Prosiding Seminar Nasional SATI, 3(1), 581–592.
Rahmadini, R., Lubis, E. E. L., Priansyah, A., RWN, Y., & Meutia, T. (2023). Penerapan data mining untuk memprediksi harga bahan pangan di Indonesia menggunakan algoritma K-Nearest Neighbor. Jurnal Mahasiswa Akuntansi Samudra, 4(4), 223–235.
Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis data mining data Netflix menggunakan aplikasi RapidMiner. JBASE: Journal of Business and Audit Information Systems, 4(1).
Rahmadayanti, F., & Rahayu, R. (2023). Penerapan metode data mining pada kasus kriminalitas Indonesia. Jurnal Teknologi Informasi Mura, 15(1), 52–61.
Putra, A. R. (2023). The implementation of data mining techniques for predicting student study period using the C4.5 algorithm: Penerapan teknik data mining terhadap prediksi masa studi mahasiswa menggunakan algoritma C4.5. Indonesian Journal of Electrical Engineering and Renewable Energy (IJEERE), 3(2), 96–100.
Sabna, E., & Arrafi, A. (2024). Community service: Increasing lecturer competence through data mining training using RapidMiner tools in the Master of Public Health Study Program, Faculty of Health, Hang Tuah University, Pekanbaru. RECORD: Journal of Loyalty and Community Development, 1(3), 143–150.
Prasetyo, V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan aplikasi RapidMiner untuk prediksi nilai tukar rupiah terhadap US dollar dengan metode regresi linier. Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI), 7(1), 8–17.
Watratan, A. F., & Moeis, D. (2020). Implementasi algoritma Naive Bayes untuk memprediksi tingkat penyebaran COVID-19 di Indonesia. Journal of Applied Computer Science and Technology, 1(1), 7–14.
Oktarina, R. (2021, July). Determine the clustering of cities in Indonesia for disaster management using K-Means by Excel and RapidMiner. In IOP Conference Series: Earth and Environmental Science (Vol. 794, No. 1, p. 012094). IOP Publishing.
Jefri, J., & Fatah, Z. (2025). Klasifikasi data mining untuk memprediksi kelulusan mahasiswa menggunakan metode Naive Bayes. Jurnal Ilmiah Multidisiplin Ilmu, 2(1), 29–37.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Siti Khodijah, Athaya Rima Hariyanto, Berliani Salsabiilah, Winona Septi Aulia, Maulana Fansyuri (Author)
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Creative Commons Attribution 4.0 International (CC BY 4.0).
This work is licensed under a 