Implementasi RapidMiner dalam Optimasi Pembentukan Kelas Unggulan Menggunakan K-Means Clustering

Abstract

Pengelompokan siswa ke dalam kelas unggulan merupakan salah satu strategi penting dalam mengoptimalkan proses pembelajaran di sekolah. Penelitian ini bertujuan untuk mengimplementasikan metode K-Means Clustering dalam penetapan kelas unggulan dengan mempertimbangkan berbagai variabel seperti prestasi akademik, nilai ujian, penghasilan orang tua, kepemilikan KIP, dan status kepemilikan rumah. Analisis dilakukan menggunakan tools RapidMiner Studio dengan dataset yang terdiri dari 23 record data siswa. Proses implementasi meliputi tahap preprocessing data, penerapan algoritma K-Means dengan parameter k=5 dan max runs=10, serta evaluasi performa clustering menggunakan Cluster Distance Performance. Hasil penelitian menunjukkan pembentukan 5 cluster dengan nilai Davies Bouldin Index sebesar -1.199, mengindikasikan kualitas clustering yang baik. Analisis performa clustering berdasarkan nilai rata-rata within centroid distance menunjukkan variasi tingkat kepadatan pada setiap cluster, dimana cluster_2 memiliki tingkat kepadatan tertinggi dengan nilai -2.054, sementara cluster_0 memiliki tingkat kepadatan terendah dengan nilai -1.028. Cluster_1, cluster_3, dan cluster_4 masing-masing memiliki nilai -1.824, -1.203, dan -1.772. Hasil clustering ini membantu mengidentifikasi kelompok siswa dengan karakteristik serupa yang dapat dijadikan dasar dalam pembentukan kelas unggulan. Implementasi K-Means Clustering terbukti efektif dalam mengoptimalkan proses pengelompokan siswa secara objektif dan terukur, memberikan landasan yang kuat bagi pihak sekolah dalam pengambilan keputusan terkait pembentukan kelas unggulan.