Klastering Perbandingan Metode Machine Learning untuk Klastering Penerima Bantuan Pendidikan Siswa

Rafly Gusmansyah; Rahmaddeni; Rohid; Ahmad Rivaldi; Suandi Daulay

doi:10.55382/jurnalpustakaai.v5i2.1139

Penulis

Rafly Gusmansyah Universitas Sains Dan Teknologi Indonesia
Rahmaddeni Universitas Sains dan Teknologi Indonesia
Rohid Universitas Sains dan Teknologi Indonesia
Ahmad Rivaldi Universitas Sains dan Teknologi Indonesia
Suandi Daulay Sekolah Tinggi Teknologi Pekanbaru

DOI:

https://doi.org/10.55382/jurnalpustakaai.v5i2.1139

Kata Kunci:

perbandingan, clustering, hierarchical, fuzzy c-means, k-medoids

Abstrak

Penelitian ini membandingkan tiga algoritma clustering Fuzzy C-Means, K-Medoids, dan Hierarchical Clustering untuk mengelompokkan siswa sebagai calon penerima bantuan pendidikan berdasarkan data sosial. Data yang digunakan berasal dari MTsN 1 Kota Pekanbaru sebanyak 1.200 entri dan mencakup atribut seperti penghasilan orang tua, jumlah tanggungan, dan prestasi akademik. Principal Component Analysis (PCA) digunakan untuk mereduksi dimensi data sebelum proses klasterisasi. Hasil evaluasi menggunakan Silhouette Coefficient dan Davies-Bouldin Index menunjukkan bahwa Fuzzy C-Means memberikan performa terbaik dengan nilai Silhouette 0.449 dan DBI 0.779. K-Medoids mencatatkan nilai Silhouette 0.436 dan DBI 0.787, sedangkan Hierarchical Clustering memperoleh Silhouette 0.405 dan DBI 0.790. Visualisasi hasil menunjukkan bahwa distribusi kategori siswa “Sangat Layak”, “Layak”, dan “Tidak Layak” paling proporsional dihasilkan oleh Fuzzy C-Means. Temuan ini mengindikasikan bahwa Fuzzy C-Means lebih efektif dalam menangani data sosial yang kompleks dan sesuai untuk digunakan sebagai basis sistem pendukung keputusan dalam seleksi penerima bantuan pendidikan.

Unduhan

Data unduhan belum tersedia.

Referensi

M. T. Guerreiro et al., “Anomaly detection in automotive industry using clustering methods—a case study,” Appl. Sci., vol. 11, no. 21, pp. 1–23, 2021, doi: 10.3390/app11219868.

I. J. Panjaitan, Indahwati, and F. M. Afendi, “The implementation of the Fuzzy C-Means method in handling outlier data in the 2021 Village Potential Data of Bengkulu Province,” ComTech: Computer, Mathematics and Engineering Applications, vol. 16, no. 1, pp. 23–34, June 2025, doi: 10.21512/comtech.v16i1.12274.

A. M. Ikotun, M. S. Almutari, and A. E. Ezugwu, “K?means?based nature?inspired metaheuristic algorithms for automatic data clustering problems: Recent advances and future directions,” Appl. Sci., vol. 11, no. 23, 2021, doi: 10.3390/app112311246.

A. F. Mohamed Nafuri, N. S. Sani, N. F. A. Zainudin, A. H. A. Rahman, and M. Aliff, “Clustering Analysis for Classifying Student Academic Performance in Higher Education,” Appl. Sci., vol. 12, no. 19, 2022, doi: 10.3390/app12199467.

A. Dutt, M. Akmar Ismail, T. Herawan, and I. Abaker Hashem, “Partition-Based Clustering Algorithms Applied to Mixed Data for Educational Data Mining: A Survey From 1971 to 2024,” IEEE Access, vol. 12, no. October, pp. 172923–172942, 2024, doi: 10.1109/ACCESS.2024.3496929.

S. H. Marwoto, “A COMPARATIVE ANALYSIS OF DBSCAN AND GAUSSIAN MIXTURE MODEL FOR CLUSTERING INDONESIAN PROVINCES BASED ON SOCIOECONOMIC WELFARE INDICATORS,” vol. 19, no. 3, pp. 2039–2056, 2025.

Okfalisa et al., “Clustering the Addiction Levels of Drug Users Using Fuzzy C-Mean,” Indones. J. Electr. Eng. Informatics, vol. 13, no. 1, pp. 226–238, 2025, doi: 10.52549/ijeei.v13i1.6008.

O. N. Kenger, Z. D. Kenger, E. Ozceylan, and B. Mrugalska, “Clustering of Cities Based on Their Smart Performances: A Comparative Approach of Fuzzy C-Means, K-Means, and K-Medoids,” IEEE Access, vol. 11, no. October, pp. 134446–134459, 2023, doi: 10.1109/ACCESS.2023.3333753.

B. Destia and M. Dwi Kartikasari, “Comparison of Fuzzy C-Means and Fuzzy Gustafson-Kessel Clustering Methods in Provincial Grouping in Indonesia Based on Criminality-Related Factors,” Barekeng, vol. 17, no. 2, pp. 1093–1102, 2023, doi: 10.30598/barekengvol17iss2pp1093-1102.

S. W. Prayoga and S. Pramana, “Hybrid Machine Learning to Evaluate the Incidence of Toddler Stunting through Integration of Multi-source Satellite Imagery and Official Statistics in East Nusa Tenggara Province,” Netw. Secur. Inf. Syst., vol. 6, no. 1, pp. 8–18, 2024.

Juliandri Saputra, Muhammad Iqbal Al Aksha, Lily Maryani, Gilang, and Rahmaddeni, “Analisis Perbandingan Efektivitas Metode Fuzzy C-Means dan K-Means dalam Mengelompokkan Buku Berdasarkan Frekuensi Peminjaman di Perpustakaan SMKN 1 Mandau,” Explore, vol. 14, no. 2, pp. 87–92, 2024, doi: 10.35200/ex.v14i2.121.

M. A. K-modes and R. P. Nugroho, “Klasterisasi Data Kompetisi Mahasiswa,” vol. 12, no. 3, pp. 4433–4438, 2025.

A. Armansyah and R. K. Ramli, “Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes,” Edumatic J. Pendidik. Inform., vol. 6, no. 1, pp. 1–10, 2022, doi: 10.29408/edumatic.v6i1.4789.

S. Syahidatul Helma et al., “Clustering pada Data Fasilitas Pelayanan Kesehatan Kota Pekanbaru Menggunakan Algoritma K-Means,” Puzzle Res. Data Technol. Fak. Sains dan Teknol., vol. 1, no. November, p. 4, 2019.

A. M. R. Armaya, “Pengaruh Feature Selection Dan Feature Extraction Dalam Peningkatan Akurasi Klasifikasi Kebakaran Hutan,” JuTI “Jurnal Teknol. Informasi,” vol. 3, no. 1, p. 13, 2024, doi: 10.26798/juti.v3i1.1039.

W. Andriyani, R. Kurniawan, and Y. Arie Wijaya, “Analisis Data Penerimaan Peserta Didik Baru Menggunakan Cross Validation Dan Algoritma Decision Tree Di Sma Negeri 1 Bandung,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 2951–2956, 2024, doi: 10.36040/jati.v8i3.9603.

A. Puri, D. Solihudin, S. Anwar, D. Pratama, and E. Wahyudin, “Analisis Klaster K-Medoid Untuk Pengelompokan Dan Pemetaan Provinsi Di Indonesia Berdasarkan Nilai Ujian Nasional,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 918–924, 2024, doi: 10.36040/jati.v8i1.8653.

A. A. R. Mulyana, A. R. Juwita, A. M. Siregar, and A. Fauzi, “Penerapan Algoritma K-means Clustering dan Hierarchical Clustering dalam Mengelompokkan Data Pengangguran di Karawang,” J. Algoritm., vol. 21, no. 2, pp. 209–220, 2024, doi: 10.33364/algoritma/v.21-2.2155.

Abdussalam Amrullah, Intam Purnamasari, Betha Nurina Sari, Garno, and Apriade Voutama, “Analisis Cluster Faktor Penunjang Pendidikan Menggunakan Algoritma K-Means (Studi Kasus: Kabupaten Karawang),” J. Inform. dan Rekayasa Elektron., vol. 5, no. 2, pp. 244–252, 2022, doi: 10.36595/jire.v5i2.701.

S. Suraya, M. Sholeh, and U. Lestari, “Evaluation of Data Clustering Accuracy using K-Means Algorithm,” Int. J. Multidiscip. Approach Res. Sci., vol. 2, no. 01, pp. 385–396, 2023, doi: 10.59653/ijmars.v2i01.504.