Student Clustering Based on Subject Grades: A K-Means Approach to Clustering Study Groups

Abstract

Pengelompokan siswa berdasarkan nilai akademik merupakan pendekatan strategi untuk meningkatkan efektivitas pembelajaran dalam pendidikan vokasi. Penelitian ini mengimplementasikan algoritma K-Means untuk mengelompokkan siswa Sekolah Menengah Kejuruan (SMK) ke dalam tiga klaster utama: Kelompok Bimbingan (nilai rendah), Kelompok Potensial (nilai sedang), dan Kelompok Unggulan (nilai tinggi). Data yang digunakan mencakup nilai dari 12 mata kuliah dalam program keahlian Teknik Komputer Jaringan dan Telekomunikasi. Hasil analisis menunjukkan bahwa pengelompokan mampu mengidentifikasi pola belajar siswa dan memberikan rekomendasi strategi pembelajaran yang tepat untuk setiap klaster. Klaster 1 memerlukan bimbingan intensif, Klaster 2 dapat diarahkan pada tantangan akademik, dan Klaster 3 memerlukan program pengayaan untuk mengoptimalkan potensinya. Penelitian ini menunjukkan bahwa pendekatan berbasis data, seperti pengelompokan, memberikan manfaat yang signifikan dalam mendukung pembelajaran yang dipersonalisasi dan mempersiapkan siswa untuk kebutuhan dunia kerja.