Claim Missing Document
Check
Articles

Found 13 Documents
Search

IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN SISWA BERDASARKAN NILAI UTS, UAS, DAN TUGAS Irwansyah, Bambang; Daniswara, Daniswara; Handayani, Triana Puspa; Natasya, Nurul; Ardana, Abdul Aziz; Fauzar, Muhammad Fakhri; Hardiansyah, Fajar
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 9, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5758

Abstract

Abstract : This study aims to apply the K-Means Clustering method to analyze and classify students’ academic performance based on Midterm Exam (UTS), Assignments, and Final Exam (UAS) scores at SMK Swasta Kualuh. The main problem faced by the school is the difficulty of analyzing students’ score data manually as the volume of data increases, which requires a more objective and structured approach. This research uses a quantitative approach with data mining techniques through the K-Means algorithm. The data were obtained from students’ academic scores and processed through data cleaning, determination of the number of clusters, distance calculation using Euclidean Distance, and iterative clustering until stable results were achieved. The results show that students were successfully grouped into three clusters: high-performing, average-performing, and low-performing students. The application of the K-Means method provides systematic insights into students’ academic performance and can support schools in making better decisions to improve learning quality. Keywords: K-Means Clustering, Data Mining, Student Performance, Academic Scores, Web. Abstrak : Penelitian ini bertujuan untuk menerapkan metode K-Means Clustering dalam menganalisis dan mengelompokkan prestasi akademik siswa berdasarkan nilai Ujian Tengah Semester (UTS), Tugas, dan Ujian Akhir Semester (UAS) di SMK Swasta Kualuh. Permasalahan yang dihadapi sekolah adalah sulitnya melakukan analisis data nilai siswa secara manual seiring dengan meningkatnya jumlah data, sehingga diperlukan metode yang lebih objektif dan terstruktur. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining menggunakan algoritma K-Means. Data yang digunakan berasal dari nilai akademik siswa yang kemudian diproses melalui tahap pembersihan data, penentuan jumlah klaster, perhitungan jarak menggunakan Euclidean Distance, serta iterasi hingga klaster stabil. Hasil penelitian menunjukkan bahwa data siswa berhasil dikelompokkan ke dalam tiga klaster, yaitu siswa berprestasi tinggi, sedang, dan rendah. Penerapan metode K-Means ini mampu membantu pihak sekolah dalam mengidentifikasi tingkat prestasi siswa secara lebih sistematis dan dapat dijadikan dasar dalam pengambilan keputusan untuk peningkatan kualitas pembelajaran. Kata kunci: K-Means Clustering, Data Mining, Prestasi Siswa, Nilai Akademik, Web.
Modernisasi Budidaya Tanaman melalui Teknologi Hidroponik Vertikal dan Mekanisasi Pemupukan Tanaman Cabai di Desa Bandar Pasir Mandoge: Pengabdian Bambang Irwansyah; Muhammad Azwar Al Ayyub; Zunaida Sitorus; Ali Hasimi Pane; Elfin Efendi; Emiel Salim Siregar; Riki Arfi Munte; Ismail; Dian Hasby Sanjaya
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6751

Abstract

Inovasi sederhana berupa alat pemupukan semi manual dan media tanam hidroponik berbahan dasar pipa paralon menjadi salah satu alternatif solusi yang dapat membantu petani dalam mengatasi kendala tersebut. Alat ini dirancang untuk menyalurkan pupuk langsung ke titik tanam tanpa harus membuat petani terusmenerus membungkuk, sehingga dapat mengurangi kelelahan dan mempercepat proses kerja. Kegiatan pengabdian masyarakat di Desa Bandar Pasir Mandoge dinyatakan sukses mencapai seluruh indikator keberhasilan, di mana peningkatan pengetahuan mitra melampaui target dengan capaian 85%, sistem hidroponik berjalan stabil secara optimal (100%), dan alat penabur pupuk berhasil bekerja dengan tingkat presisi 92%. Efisiensi kerja petani meningkat signifikan dengan penghematan waktu pemupukan mencapai 60% melampaui target awal sebesar 50% serta terbentuknya kemandirian penuh bagi mitra dalam mengoperasikan teknologi yang diberikan, sehingga secara keseluruhan program ini terbukti efektif dalam memodernisasi praktik budidaya tanaman cabai secara mandiri dan berkelanjutan.
Perancangan Smart System dalam Klasifikasi Kelancaran Penjualan Produk Sembako pada Toko Udo Berkah Kabupaten Batu Bara : Pengabdian Rizky Riansyah Panjaitan; Bambang Irwansyah; Dicky Apdillah; Harmayani Harmayani; Suci Ramadani; Imelda Regina Siswi; Icha Wayu Mayanda; Putri Rahmawani
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6756

Abstract

Pengelolaan stok di toko sembako kerap mengalami kendala akibat ketidakpastian dalam menentukan produk yang terjual cepat maupun lambat, sehingga pemilik usaha sering menghadapi risiko kelebihan atau kekurangan persediaan. Studi kasus pada Toko Sembako Udo Berkah yang berlokasi di Jalan Istana Dusun III, Desa Mekar Laras, Kecamatan Tanjung Tiram, Kabupaten Batu Bara, Sumatera Utara menunjukkan permasalahan serupa, di mana pemilik toko kesulitan menentukan kategori kelancaran penjualan setiap produk secara sistematis. Penelitian ini menerapkan algoritma K-Nearest Neighbor (K-NN) untuk mengklasifikasikan produk sembako ke dalam kategori Lancar dan Tidak Lancar. Tiga atribut utama digunakan, yaitu jumlah produk terjual, harga satuan, dan persentase keterjualan terhadap stok awal. Dataset terdiri atas 30 data latih dan 10 data uji dengan K=3. Proses klasifikasi melibatkan normalisasi Min-Max dan perhitungan jarak Euclidean. Hasil pengujian memperlihatkan akurasi klasifikasi mencapai 100%, dengan seluruh data uji berhasil diprediksi sesuai label aktualnya. Sistem informasi berbasis web juga dikembangkan menggunakan PHP dan MySQL untuk mendukung proses klasifikasi secara otomatis.