ANALISIS KOMPARATIF K-MEANS DAN HIERARCHICAL CLUSTERING DALAM PEMETAAN POLA PRESTASI AKADEMIK SISWA KELAS IV MI AL CHAERIYAH

Ramadhan, Naufal Alpais (2026) ANALISIS KOMPARATIF K-MEANS DAN HIERARCHICAL CLUSTERING DALAM PEMETAAN POLA PRESTASI AKADEMIK SISWA KELAS IV MI AL CHAERIYAH. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (390kB)
	Text BAB 2.pdf Download (542kB)
	Text BAB 3.pdf Download (580kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (365kB)
	Text LAMPIRAN.pdf Download (782kB)

Abstract

Meskipun ketersediaan data akademik pada jenjang pendidikan dasar semakin
meningkat, sebagian besar penelitian clustering masih bergantung pada satu
algoritma, menggunakan metrik evaluasi terbatas, serta bersifat cross-sectional,
sehingga aspek ketahanan metodologis dan stabilitas struktur segmentasi belum
banyak diuji secara komprehensif. Penelitian ini mengisi celah tersebut melalui
analisis komparatif terkontrol antara algoritma K-Means dan Hierarchical
Clustering dalam memodelkan pola prestasi akademik siswa kelas IV MI Al
Chaeriyah menggunakan data longitudinal nilai rapor dua semester pada 12 mata
pelajaran. Dataset primer terdiri dari 184 entri yang diproses melalui pembersihan
data dan normalisasi z-score untuk memastikan keseimbangan kontribusi variabel
dalam perhitungan jarak Euclidean. Penentuan jumlah cluster dilakukan melalui
eksplorasi sistematis k = 2–5 menggunakan Elbow Method dan Silhouette Score,
dengan k = 2 sebagai konfigurasi optimal. Evaluasi kuantitatif menunjukkan KMeans

memperoleh Silhouette Score 0,4817 dan Davies-Bouldin Index 0,7647,
sedangkan Hierarchical Clustering memperoleh Silhouette Score 0,4843 dan
Davies-Bouldin Index 0,7512, yang menunjukkan keunggulan numerik tipis pada
pendekatan hierarkis dalam hal kompaksi dan separasi cluster. Kedua algoritma
secara konsisten menghasilkan dua kelompok stabil dan substantif, yaitu siswa
dengan performa relatif tinggi dan relatif lebih rendah, tanpa dipengaruhi struktur
administratif kelas. Untuk memperkuat validitas eksternal, model juga diuji pada
data sekunder dan menunjukkan konsistensi segmentasi lintas dataset. Analisis
longitudinal terhadap perubahan nilai mengungkap tren peningkatan akademik
yang merata, khususnya pada Matematika dan Bahasa Arab. Temuan ini
menegaskan bahwa pendekatan komparatif clustering bersifat robust secara
algoritmik dan stabil secara struktural, serta relevan sebagai landasan analitik untuk
intervensi pendidikan berbasis data pada konteks sekolah dasar.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	K-Means, Hierarchical Clustering, Prestasi Akademik, Silhouette Score, Davies-Bouldin Index, Analisis Longitudinal; Dashboard Analitik
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Fitria Nur Indah Hasanah
Date Deposited:	07 May 2026 09:59
Last Modified:	07 May 2026 09:59
URI:	https://repository.unas.ac.id/id/eprint/15789

Actions (login required)

View Item