Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Portal Riset dan Inovasi Sistem Perangkat Lunak Inventa: Journal of Science, Technology, and Innovation
Farida Nafisa Siagian
Universitas Muhammadiyah Sumatera Utara
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perbandingan Kinerja K-Means dan K-Medoids dalam Klasifikasi Siswa Berprestasi di SMP Muhammadiyah 60 Medan Farida Nafisa Siagian; Halim Maulana
Journal of Science, Technology, and Innovation Vol 1 No 3 (2026): : April: Inventa: Journal of Science, Technology, and Innovation
Publisher : CV SCRIPTA INTELEKTUAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65310/tay7fq21

Abstract

This study investigates the comparative performance of the K-Means and K-Medoids clustering algorithms in classifying student achievement at SMP Muhammadiyah 60 Medan. The research applies a quantitative data mining approach using academic and non-academic variables, including Mathematics scores, Science scores, Bahasa Indonesia scores, attendance records, and extracurricular participation. Data preprocessing was conducted through cleaning, normalization using Min-Max Scaling, and feature selection to ensure data consistency and analytical reliability. The findings indicate that both algorithms successfully classified students into meaningful performance groups with consistent clustering structures. K-Means demonstrated superior computational efficiency and lower SSE values, making it suitable for homogeneous datasets. In contrast, K-Medoids exhibited greater robustness against outliers and produced more stable cluster distributions. The study concludes that K-Medoids provides more representative clustering results for educational datasets characterized by heterogeneous performance patterns.
Perbandingan Kinerja K-Means Dan K-Medoids Dalam Klasifikasi Siswa Berprestasi Di SMP Muhammadiyah 60 Medan Farida Nafisa Siagian; Halim Maulana
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 3 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i3.243

Abstract

Pengelompokan data siswa berprestasi merupakan langkah penting dalam proses evaluasi dan pengambilan keputusan di lingkungan pendidikan. Metode clustering seperti K-Means dan K-Medoids banyak digunakan untuk mengelompokkan data berdasarkan prestasi akademik, kehadiran, dan aktivitas ekstrakurikuler. Penelitian ini bertujuan untuk membandingkan kinerja kedua algoritma tersebut dalam mengelompokkan siswa berprestasi di SMP Muhammadiyah 60 Medan. Metode yang digunakan meliputi proses clustering data menggunakan algoritma K-Means dan K-Medoids, serta evaluasi hasil menggunakan nilai silhouette untuk menilai kualitas cluster. Hasil penelitian menunjukkan bahwa kedua metode mampu mengelompokkan siswa ke dalam kategori berprestasi tinggi, sedang, dan rendah. K-Means lebih cepat dalam komputasi dan cocok untuk data yang homogen serta berukuran besar, namun sensitif terhadap outlier. Sebaliknya, K-Medoids lebih stabil dan tahan terhadap outlier meskipun membutuhkan waktu komputasi yang lebih lama. Berdasarkan hasil evaluasi, K-Medoids memberikan hasil yang lebih representatif pada kondisi data dengan variasi nilai ekstrem. Penelitian ini diharapkan dapat membantu pihak sekolah dalam melakukan segmentasi siswa secara efektif dan efisien guna mendukung pengambilan kebijakan yang lebih tepat sasaran.
Co-Authors Halim Maulana