Erni Seniwati
Teknik Informatika, Universitas Langlang Buana Bandung, Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Evaluasi Kinerja Metode K-Means dan Hierarchical Clustering dalam Pengelompokan Data Pendidikan Ninik Tri Hartanti; Dina Maulina; Erni Seniwati
Jurnal Pendidikan dan Teknologi Indonesia Vol 6 No 10 (2026): JPTI - Oktober 2026
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.2015

Abstract

Seiring meningkatnya kebutuhan akan eksplorasi informasi tersembunyi dan pengenalan pola, penerapan Educational Data Mining dalam pengolahan data pendidikan menjadi semakin penting untuk mendukung kualitas pembelajaran. Urgensi penelitian ini didasarkan pada pentingnya pemanfaatan data pendidikan secara optimal untuk mendukung pengambilan keputusan yang lebih akurat serta pengembangan sistem pembelajaran adaptif berbasis data. Penentuan metode clustering yang tepat menjadi salah satu kendala utama, sebab kualitas hasil pengelompokan data berperan penting dalam menentukan akurasi interpretasi data dan keputusan dalam pendidikan. Penelitian ini bertujuan untuk mengevaluasi kinerja teknik pengelompokan data pendidikan dengan memanfaatkan metode K-Means dan Hierarchical Clustering. Dataset yang digunakan berasal dari data pendidikan publik yang mencakup atribut performa akademik dan aktivitas belajar siswa. Uraian langkah dalam penelitian meliputi preprocessing data, normalisasi data, penerapan algoritma clustering, kemudian evaluasi hasil cluster menggunakan Silhouette Score dan Davies-Bouldin Index. Temuan ini mengimplikasikan bahwa metode K-Means lebih direkomendasikan untuk analisis data pendidikan, khususnya dalam mendukung pengelompokan siswa dan perumusan strategi pembelajaran yang lebih efektif tanpa perlu mengacu pada detail nilai statistik secara berulang.