Implementasi K-Means Clustering Pada Pemilihan Santri dan Santriwati Berprestasi

Abstract

Managing large amounts of data on male and female students poses a challenge for Pesantren Darul Arafah Raya in assessing the academic performance of its students. The K-Means algorithm is one of the most widely used methods in data mining for clustering large amounts of data. This study aims to cluster students into two categories: high-performing and low-performing, using the K-Means Clustering method. The variables analyzed include academic grades, attendance, attitude, involvement in organizations/extracurricular activities, and academic history. Data from 1,010 students were processed, and the algorithm stopped at the 35th iteration with significant centroid centers. The clustering results showed that 490 students were classified as high-achieving and 520 as low-achieving. Performance validation using a Silhouette Coefficient of 0.63 indicates that the clustering quality is in the good category, so the grouping results can be considered optimal. Integrating K-Means into a web-based information system facilitates strategic decision-making for the boarding school and supports the development of specialized training programs to cultivate students' potential in a more targeted manner.

Keywords: Data Mining; K-Means Clustering; Outstanding Santri; Education; Website

Abstrak

Pengelolaan data santri/wati dalam jumlah besar menjadi tantangan bagi Pesantren Darul Arafah Raya dalam menilai prestasi akademik santri. Algoritma K-Means merupakan salah satu metode dalam data mining yang banyak digunakan untuk mengelompokkan data dalam jumlah besar melalui pendekatan clustering. Penelitian ini bertujuan untuk mengelompokkan santri dan santriwati ke dalam dua kategori, yaitu berprestasi dan tidak berprestasi, dengan memanfaatkan metode K-Means Clustering. Variabel yang dianalisis meliputi nilai akademik, absensi, sikap, keterlibatan berorganisasi/ekstrakurikuler, dan riwayat prestasi. Data sebanyak 1.010 santri dan santriwati diproses, dan algoritma berhenti pada iterasi ke-35 dengan pusat centroid yang signifikan. Hasil klasterisasi menunjukkan 490 santri dan santriwati tergolong berprestasi dan 520 lainnya tidak berprestasi. Validasi performa menggunakan Silhouette Coefficient sebesar 0,63 menunjukkan kualitas klasterisasi berada pada kategori baik, sehingga hasil pengelompokan dapat dianggap optimal. Integrasi K-Means ke dalam sistem informasi berbasis web memudahkan pihak pesantren dalam pengambilan keputusan strategis, serta mendukung penyusunan program pembinaan khusus untuk mengembangkan potensi santri secara lebih terarah.