EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Analisis Data Peserta Didik Baru untuk Pembentukan Kelas Menggunakan K-Means Clustering (Studi Kasus: SMK Cokroaminoto Wanadadi)

Annisa Maulida Iksanti, Purwanto, Tutut Dwi Prihatin

Jurnal SCRIPT · 25.05.2026 · 14 (01) · 36-45

DOI: 10.34151/script.v14i01.5577 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal SCRIPT, online erschienen am 25.05.2026. Verfasst von Annisa Maulida Iksanti und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Permasalahan pembagian kelas di SMK Cokroaminoto Wanadadi masih dilakukan secara manual dan acak sehingga berpotensi menghasilkan ketimpangan kemampuan akademik antar kelas. Penelitian ini bertujuan merancang dan mengimplementasikan metode pembagian kelas yang objektif dan berbasis data dengan memanfaatkan metode K-Means Clustering. Data yang digunakan berupa nilai rapor empat mata pelajaran (Pendidikan Agama dan Budi Pekerti, Bahasa Indonesia, Matematika, dan Bahasa Inggris) dari 79 peserta didik jurusan TJKT tahun ajaran 2024/2025. Proses analisis dilakukan di Google Colaboratory menggunakan Python; data terlebih dahulu dinormalisasi dengan StandardScaler sebelum dilakukan klasterisasi K-Means. Penentuan jumlah klaster dievaluasi menggunakan Elbow Method dan Silhouette Score untuk memastikan pemilihan K yang tepat. Hasil klasterisasi membagi peserta didik ke dalam tiga klaster yang mewakili kategori prestasi rendah, sedang, dan tinggi, dengan distribusi masing-masing 28, 22, dan 29 siswa. Evaluasi model menunjukkan nilai Inertia sebesar 144.50 dan Silhouette Score sebesar 0.2679, yang mengindikasikan struktur klaster terbentuk secara cukup baik meskipun masih ada sedikit tumpang tindih antar klaster. Hasil pengolahan ini kemudian diintegrasikan ke dalam aplikasi web berbasis Streamlit untuk memfasilitasi panitia PPDB dalam proses pembagian kelas secara otomatis. Implikasi penelitian menunjukkan bahwa pendekatan ini mampu meningkatkan objektivitas, efisiensi, dan kecepatan pengambilan keputusan dalam pembentukan kelas; penelitian lanjutan disarankan menambahkan variabel non-akademik (mis. minat bakat, aspek psikologis) untuk memperkaya hasil rekomendasi.

Zitieren

APA

Iksanti, A. M., Purwanto, & Prihatin, T. D. (2026). Analisis Data Peserta Didik Baru untuk Pembentukan Kelas Menggunakan K-Means Clustering (Studi Kasus: SMK Cokroaminoto Wanadadi). Jurnal SCRIPT, 14(01), 36-45. https://doi.org/10.34151/script.v14i01.5577

Vancouver

Iksanti AM, Purwanto, Prihatin TD. Analisis Data Peserta Didik Baru untuk Pembentukan Kelas Menggunakan K-Means Clustering (Studi Kasus: SMK Cokroaminoto Wanadadi). Jurnal SCRIPT. 2026;14(01):36-45. doi:10.34151/script.v14i01.5577

BibTeX
@article{Iksanti2026,
  author = {Iksanti, Annisa Maulida and Purwanto and Prihatin, Tutut Dwi},
  title = {Analisis Data Peserta Didik Baru untuk Pembentukan Kelas Menggunakan K-Means Clustering (Studi Kasus: SMK Cokroaminoto Wanadadi)},
  journal = {Jurnal SCRIPT},
  year = {2026},
  volume = {14},
  number = {01},
  pages = {36--45},
  doi = {10.34151/script.v14i01.5577}
}
Kostenlos starten →