<![CDATA[The accuracy of educational aid distribution remains a challenge, especially when it is not based on structured socioeconomic data. This study aims to group students at SMP Negeri 1 Lunang based on socioeconomic status using the K-Means Clustering algorithm as a segmentation approach. The data used includes parents' income and occupation, number of dependents, social assistance, certificates of poverty, and distance from home to school. After data normalization, clustering and visualization were performed using Principal Component Analysis (PCA). The clustering results yielded three main groups representing different socioeconomic levels: low, medium, and high. Validation using the Silhouette Score yielded a value of 0.2592, indicating that the cluster separation was adequate. These findings suggest that K-Means can serve as a decision-making tool for data-driven aid distribution. This study offers a new approach to student segmentation that simultaneously considers geographical and socioeconomic indicators.Keywords: K-Means; Socioeconomic status; Student segmentation; PCA; Silhouette score AbstrakKetepatan penyaluran bantuan pendidikan masih menjadi tantangan, terutama ketika tidak berbasis pada data sosial ekonomi yang terstruktur. Penelitian ini bertujuan untuk mengelompokkan siswa SMP Negeri 1 Lunang berdasarkan status sosial ekonomi menggunakan algoritma K-Means Clustering sebagai pendekatan segmentasi. Data yang digunakan mencakup penghasilan dan pekerjaan orang tua, jumlah tanggungan, bantuan sosial, surat keterangan tidak mampu, dan jarak rumah ke sekolah. Setelah data dinormalisasi, dilakukan klasterisasi dan visualisasi menggunakan Principal Component Analysis (PCA). Hasil clustering menghasilkan tiga kelompok utama yang merepresentasikan tingkatan sosial ekonomi berbeda yaitu rendah, menengah dan tinggi. Validasi menggunakan Silhouette Score menunjukkan nilai sebesar 0,2592, menandakan bahwa pemisahan klaster cukup baik. Temuan ini menunjukkan bahwa K-Means dapat menjadi alat bantu pengambilan keputusan untuk penyaluran bantuan berbasis data. Penelitian ini menawarkan pendekatan baru dalam segmentasi siswa yang mempertimbangkan indikator geografis dan sosial secara bersamaan.Kata kunci: K-Means; Status sosial ekonomi; Segmentasi siswa; PCA; Silhouette score ]]>
Copyrights © 2025
