A Hybrid K-Means and Neural Network for Enhancing Students’ Academic Performance

Suriani Suriani (Informatika, Universitas Muhammadiyah Makassar, Makassar, Indonesia)
Muhammad Faisal (Informatika, Universitas Muhammadiyah Makassar, Makassar, Indonesia)
Darniati Darniati (Informatika, Universitas Muhammadiyah Makassar, Makassar, Indonesia)
Emil Agusalim H. T (Informatika, Universitas Muhammadiyah Makassar, Makassar, Indonesia)
Muhammad Syafaat S. Kuba (Teknik Pengairan, Universitas Muhammadiyah Makassar, Makassar, Indonesia)
Swa Lee Lee (School Science and Technology, Asia E University, Selangor, Malaysia)
Nurdiansyah Nurdiansyah (Bisnis Digital, Universitas Dipa Makassar, Makassar, Indonesia)

Buletin Sistem Informasi dan Teknologi Islam
Vol 7, No 2 (2026)

Ketersediaan data pada Learning Management System (LMS) mendorong penerapan pembelajaran adaptif di pendidikan tinggi. Penelitian ini mengusulkan kerangka kerja hybrid berbasis kecerdasan buatan yang mengintegrasikan K-Means clustering dan Neural Network untuk profil mahasiswa berbasis perilaku dan prediksi kinerja akademik. Model divalidasi menggunakan Open University Learning Analytics Dataset yang mencakup data demografi, interaksi, dan performa akademik. Hasil menunjukkan akurasi sebesar 0,68 dan F1-score sebesar 0,66, melampaui metode dasar dengan stabilitas yang lebih baik. Clustering menghasilkan silhouette score 0,62 yang menunjukkan pemisahan kelompok yang jelas. Selain itu, sistem meningkatkan relevansi konten sebesar 27% dan menurunkan risiko putus studi sebesar 18%, dengan waktu inferensi rata-rata 0,85 detik. Temuan ini menunjukkan efektivitas kerangka dalam mendukung pembelajaran adaptif yang dipersonalisasi dan skalabel. Model hybrid yang diusulkan dapat mendukung pembelajaran adaptif melalui jalur belajar yang dipersonalisasi serta membantu perguruan tinggi melakukan intervensi dini terhadap mahasiswa berisiko berdasarkan pemantauan berbasis data.