Perbandingan Kinerja Algoritma K-Means dan DBSCAN dalam Pengelompokan Data Nilai Kelas VIII A pada SMP Negeri 01 Palembang

Danisa Enjelika
Nabila Putri Hariani
Tata Sutabri

Jurnal Manajemen Informatika & Teknologi
Vol. 5 No. 1 (2025): Mei : Jurnal Manajemen Informatika & Teknologi

Penelitian ini bertujuan untuk mengelompokkan 30 siswa kelas VIII A berdasarkan nilai tiga mata pelajaran utama, yaitu Matematika, Bahasa Indonesia, dan Bahasa Inggris, menggunakan metode clustering K-Means dan DBSCAN. Penentuan jumlah klaster optimal pada K-Means dilakukan dengan analisis SSE dan Silhouette Score, menghasilkan tiga klaster kemampuan siswa: tinggi, sedang, dan rendah. DBSCAN membagi siswa ke dalam dua klaster, yaitu remedial dan tidak remedial. Hasil clustering membantu guru dalam mengidentifikasi kelompok siswa yang membutuhkan perhatian khusus dan menyusun strategi pembelajaran yang lebih efektif. Penerapan teknik clustering ini berpotensi meningkatkan efisiensi proses pembelajaran dan keberhasilan akademik siswa.