Implementasi K-Means Clustering Nilai Ujian Nasional Dalam Peminatan Jurusan Siswa Pada SMAN 1 Gorontalo Utara

Abstract

Permasalahan dalam penentuan peminatan jurusan di SMAN 1 Gorontalo Utara yang masih dilakukan secara manual dan hanya mengandalkan keinginan siswa sering kali menyebabkan hasil penempatan jurusan menjadi kurang akurat dan tidak sepenuhnya mencerminkan kemampuan akademik mereka. Untuk mengatasi hal tersebut, penelitian ini bertujuan menerapkan algoritma clustering K-Means sebagai metode pengelompokan yang lebih objektif, terukur, dan dapat dipertanggungjawabkan. Penelitian menggunakan 90 data nilai Ujian Nasional siswa baru tahun ajaran 2019–2020 dengan empat atribut utama, yaitu nilai Bahasa Indonesia, Matematika, Bahasa Inggris, dan IPA. Seluruh proses analisis dilakukan menggunakan perangkat lunak RapidMiner Studio untuk memastikan hasil perhitungan yang konsisten dan akurat. Berdasarkan hasil pengolahan data, terbentuk empat cluster peminatan yang stabil setelah melalui lima kali iterasi, yakni: Cluster 1 (peminatan IPA 2) dengan 24 siswa, Cluster 2 (peminatan IPS 2) dengan 27 siswa, Cluster 3 (peminatan IPS 1) dengan 27 siswa, dan Cluster 4 (peminatan IPA 1) dengan 12 siswa. Temuan ini menunjukkan bahwa metode K-Means mampu memberikan rekomendasi penentuan jurusan secara cepat, tepat, serta sesuai dengan kemampuan akademik siswa, sehingga dapat dijadikan acuan yang lebih efektif bagi pihak sekolah dalam proses penjurusan.