Muhammad Sam’an
Program Studi Informatika, Universitas Muhammadiyah Semarang

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

Found 1 Documents
Search

PEMETAAN TALENTA SISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING BERDASARKAN PRESTASI AKADEMIK DAN NON-AKADEMIK Muhammad Munsarif; Muhammad Sam’an
Insect (Informatics and Security): Jurnal Teknik Informatika Vol. 12 No. 2 (2026): Oktober 2026
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/insect.v12i2.5011

Abstract

Pemetaan talenta siswa merupakan langkah strategis untuk mendukung pengembangan sumber daya manusia unggul dalam rangka mewujudkan visi Indonesia Emas 2045. Selama ini proses identifikasi potensi siswa di sekolah sering dilakukan secara manual dan subjektif sehingga memerlukan waktu yang lama serta berpotensi menimbulkan bias dalam pengambilan keputusan. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk memetakan talenta siswa berdasarkan indikator akademik dan non-akademik secara lebih objektif. Penelitian menggunakan data simulasi (dummy) yang dirancang untuk merepresentasikan karakteristik umum data siswa di lingkungan sekolah. Data akademik meliputi nilai Tes Potensi Akademik dan rata-rata rapor, sedangkan data non-akademik mencakup prestasi olahraga, seni, dan kepemimpinan, yang seluruhnya dinormalisasi ke dalam skala 0–1 agar setiap variabel memiliki kontribusi yang seimbang dalam proses klasterisasi. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow dan Silhouette Score, sedangkan kualitas klaster dievaluasi menggunakan Silhouette Score, Davies–Bouldin Index (DBI), dan Calinski–Harabasz Index (CHI). Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah K = 3 dengan Silhouette Score sebesar 0,45, DBI sebesar 1,32, serta nilai CHI yang lebih tinggi dibandingkan konfigurasi lainnya. Tiga klaster yang terbentuk menunjukkan karakteristik yang berbeda, yaitu kelompok siswa dengan capaian akademik tinggi namun prestasi non-akademik rendah, kelompok dengan dominasi prestasi non-akademik disertai capaian akademik sedang, serta kelompok dengan profil relatif seimbang antara akademik dan non-akademik. Temuan ini menunjukkan bahwa penerapan K-Means Clustering mampu mengurangi subjektivitas dalam pemetaan talenta siswa serta memberikan dasar analisis yang lebih objektif bagi pihak sekolah dalam merancang program pembinaan akademik maupun non-akademik yang lebih tepat sasaran.