Profiling Siswa SMA/SMK Berdasarkan Nilai Akademik dan Status Sosial-Ekonomi Menggunakan Metode K-Means: Student Profiling Based on Academic Achievement and Socioeconomic Status Using K-Means Clustering Method

Urip Yogantara; I Gede Aris Gunadi; I Made Gede Sunarya

doi:10.57152/malcom.v6i4.2880

Authors

Urip Yogantara Universitas Pendidikan Ganesha https://orcid.org/0000-0001-7705-0725
I Gede Aris Gunadi Universitas Pendidikan Ganesha https://orcid.org/0000-0001-7719-3945
I Made Gede Sunarya Universitas Pendidikan Ganesha https://orcid.org/0000-0003-4586-2694

DOI:

https://doi.org/10.57152/malcom.v6i4.2880

Keywords:

K-Means Clustering, Kurikulum Merdeka, Nilai Akademik, Profiling Siswa, Status Sosial-Ekonomi

Abstract

Keberagaman kemampuan akademik dan latar belakang sosial-ekonomi siswa SMA/SMK menuntut pendekatan pembelajaran berdiferensiasi yang berbasis bukti. Namun, profiling siswa secara komprehensif yang mengintegrasikan data akademik dan sosial-ekonomi secara simultan belum banyak dilakukan. Penelitian ini bertujuan memetakan profil siswa SMA/SMK dengan mengintegrasikan data nilai akademik dan status sosial ekonomi menggunakan metode K-Means Clustering. Dataset terdiri dari 45.244 data siswa dengan 11 variabel, yang diproses melalui kerangka Knowledge Discovery in Databases (KDD). Seleksi fitur menggunakan dua variabel utama: nilai_total (jumlah nilai tiga mata pelajaran) dan desil_kesejahteraan (1–10). Setelah penghapusan data yang hilang, diperoleh 42.722 data valid. Standardisasi data dilakukan menggunakan StandardScaler. Jumlah klaster optimal (K=4) ditentukan menggunakan Elbow Method dengan KneeLocator. Hasil evaluasi menunjukkan Silhouette Score sebesar 0,3658 dan Davies-Bouldin Index (DBI) sebesar 0,8589. Empat klaster yang terbentuk: Klaster 0 (Profil Unggul Sejahtera, n=9.870), Klaster 1 (Profil Rentan, n=10.896), Klaster 2 (Profil Sejahtera Berkembang, n=12.454), dan Klaster 3 (Profil Potensial Terbatas, n=9.502). Temuan ini memberikan landasan empiris bagi perancangan intervensi pembelajaran berdiferensiasi yang tepat sasaran sesuai kebijakan Kurikulum Merdeka.

Downloads

Download data is not yet available.

References

H. Aisah, Q. Y. Zaqiah, and A. Supiana, “Implementasi Kebijakan Asesmen Kemampuan Minimum (AKM): Analisis Implementasi Kebijakan AKM),” Jurnal Pendidikan Islam Al-Affan, vol. 1, no. 2, pp. 128–135, Mar. 2021, doi: 10.69775/jpia.v1i2.25.

N. Novita, M. Mellyzar, and H. Herizal, “Asesmen Nasional (AN): Pengetahuan dan Persepsi Calon Guru,” JISIP (Jurnal Ilmu Sosial dan Pendidikan), vol. 5, no. 1, Jan. 2021, doi: 10.58258/jisip.v5i1.1568.

E. Driana, A. M. Ningsih, E. Ernawati, and H. Setiadi, “Teachers’ and Students’ Understanding and Perception of the National Assessment in Indonesian Primary Schools: Implications for Learning and Classroom Assessment,” Mimbar Sekolah Dasar, vol. 12, no. 2, pp. 205–223, Jun. 2025, doi: 10.53400/mimbar-sd.v12i2.86500.

I. M. Wargina, I. M. Candiasa, and I. G. N. Pujawan, “Evaluasi Efektivitas Pelaksanaan Asesmen Nasional Pada SMP Negeri Di Kecamatan Baturiti Tahun 2024,” Cetta: Jurnal Ilmu Pendidikan, vol. 9, no. 1, pp. 10–24, Jan. 2026, doi: 10.37329/cetta.v9i1.4661.

K. P. dan K. Pusat Penilaian Pendidikan, “Ringkasan Eksekutif Hasil Ujian Nasional 2019: Masukan untuk Pembelajaran di Sekolah SMA/MA,” Pusat Penilaian Pendidikan, Kementerian Pendidikan dan Kebudayaan, Jakarta, 2019. [Online]. Available: https://repositori.kemendikdasmen.go.id/18370/

M. N. P. Janu, Hartono, and Ig. A. Dwiatmoko, “Analisis Hasil Ujian Nasional Tahun 2016-2019 Tingkat Sekolah Menengah Pertama dengan Pendekatan Sains Data,” in Prosiding Seminar Nasional Ilmu Sosial dan Teknologi (SNISTEK), Batam: LPPM Universitas Putera Batam, 2022, pp. 370–376. [Online]. Available: https://ejournal.upbatam.ac.id/index.php/prosiding/article/view/5335

OECD, “PISA 2022 Results (Volume I): The State of Learning and Equity in Education,” OECD Publishing, Paris, 2023. doi: 10.1787/53f23881-en.

Y. Azzizah, “Socio-Economic Factors on Indonesia Education Disparity,” International Education Studies, vol. 8, no. 12, p. 218, Nov. 2015, doi: 10.5539/ies.v8n12p218.

P. S. Saputra, I. G. A. Gunadi, and G. R. Dantes, “Perbandingan Algoritma Fuzzy C-Means dan Algoritma Naïve Bayes dalam Menentukan Keluarga Penerima Manfaat (KPM) berdasarkan Status Sosial Ekonomi (SSE) Terendah,” JST (Jurnal Sains dan Teknologi), vol. 10, no. 1, pp. 1–8, Mar. 2021, doi: 10.23887/jstundiksha.v10i1.23340.

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,” Applied Sciences, vol. 12, no. 19, p. 9467, 2022, doi: 10.3390/app12199467.

G. R. Suraya and A. W. Wijayanto, “Comparison of Hierarchical Clustering, K-Means, K-Medoids, and Fuzzy C-Means Methods in Grouping Provinces in Indonesia According to the Special Index for Handling Stunting,” Indonesian Journal of Statistics and Its Applications, vol. 6, no. 2, pp. 180–201, 2022, doi: 10.29244/ijsa.v6i2p180-201.

J. Liu, “Implementation of K-Means Clustering on Student Learning Achievements Based on Social Economic and Social Related,” Journal of Education, Humanities and Social Sciences, vol. 29, pp. 475–479, 2024, doi: 10.54097/9x0m0j15.

M. A. Alan and M. Temiz, “A Study On Profiling Students via Data Mining,” Alphanumeric Journal, vol. 7, no. 2, pp. 239–248, Dec. 2019, doi: 10.17093/alphanumeric.630866.

I. G. A. Gunadi, D. P. S. Putri, I. N. Mistanada, G. S. Prayoga, and N. M. Y. D. Rahayu, “Analisis Cluster Pada Pengelompokan Siswa Diktuk Bintara Polri TA. 2018/2019, SPN Singaraja - Polda Bali Menggunakan K-Means dan K-Harmonic Means,” Jurnal Ilmiah SINUS, vol. 17, no. 2, p. 13, Jul. 2019, doi: 10.30646/sinus.v17i2.421.

K. Ariasa, I. G. A. Gunadi, and I. M. Candiasa, “Optimasi Algoritma Klaster Dinamis pada K-means dalam Pengelompokan Kinerja Akademik Mahasiswa (Studi Kasus: Universitas Pendidikan Ganesha),” Jurnal Nasional Pendidikan Teknik Informatika, vol. 9, no. 2, pp. 181–192, 2020, doi: 10.23887/janapati.v9i2.23491.

A. U. G. Cahyaningsih, I. M. Candiasa, and I. G. A. Gunadi, “Identifikasi Pola Komunikasi Dan Kepribadian Siswa Sekolah Luar Biasa (SLB) Melalui Analisis Konten Media Sosial dengan Metode Anova dan K-Means,” vol. 12, no. 6, pp. 2355–7699, 2025.

I. G. M. W. K. Widiantara, K. Y. E. Aryanto, and I. M. G. Sunarya, “Application of the Learning Vector Quantization Algorithm for Classification of Students with the Potential to Drop Out,” Brilliance: Research of Artificial Intelligence, vol. 3, no. 2, pp. 262–269, Nov. 2023, doi: 10.47709/brilliance.v3i2.3155.

I. K. N. Ananda, N. P. N. P. Dewi, N. W. Marti, and L. J. E. Dewi, “Klasifikasi Multilabel Pada Gaya Belajar Siswa Sekolah Dasar Menggunakan Algoritma Machine Learning,” Journal of Applied Computer Science and Technology, vol. 5, no. 2, pp. 144–154, Dec. 2024, doi: 10.52158/jacost.v5i2.940.

J. C. Alejandrino, “Application of Data Mining in Knowledge Management: A Review,” International Journal of Advanced Trends in Computer Science and Engineering, 2021, [Online]. Available: https://api.semanticscholar.org/CorpusID:242455535

O. J. Oyelade, O. O. Oladipupo, and I. C. Obagbuwa, “Application of k-Means Clustering algorithm for prediction of Students’ Academic Performance,” 2010. [Online]. Available: http://sites.google.com/site/ijcsis/

K. H. Izzuddin and A. W. Wijayanto, “Pemodelan Clustering Ward, K-Means, Diana, dan PAM dengan PCA untuk Karakterisasi Kemiskinan Indonesia Tahun 2021,” Komputika?: Jurnal Sistem Komputer, vol. 13, no. 1, pp. 41–53, Apr. 2024, doi: 10.34010/komputika.v13i1.10803.

S. F. Djun, I. G. A. Gunadi, and S. Sariyasa, “Analisis Segmentasi Pelanggan pada Bisnis dengan Menggunakan Metode K-Means Clustering pada Model Data RFM,” JTIM?: Jurnal Teknologi Informasi dan Multimedia, vol. 5, no. 4, pp. 354–364, Feb. 2024, doi: 10.35746/jtim.v5i4.434.

A. M. Ikotun, A. E. Ezugwu, L. Abualigah, B. Abuhaija, and J. Heming, “K-means Clustering Algorithms: A comprehensive review, variants analysis, and advances in the era of big data,” Inf. Sci. (N. Y)., vol. 622, pp. 178–210, Apr. 2023, doi: 10.1016/j.ins.2022.11.139.

M. I. Bimasena, I. G. A. Gunadi, and I. M. A. Wirawan, “Studi Perbandingan Algoritma Euclidean, Manhattan dan Chebysev Distance untuk Optimasi Metode K-means Clustering pada Pengelompokkan Data Penerimaan Mahasiswa Baru,” Jurnal Pendidikan Teknologi dan Kejuruan, vol. 22, no. 2, pp. 116–127, Jul. 2025, doi: 10.23887/jptk-undiksha.v22i2.98863.

I. P. Suwirya, I. M. Candiasa, and G. R. Dantes, “Evaluation of ATM Location Placement Using the K-Means Clustering in BNI Denpasar Regional Office,” Journal of Computer Networks, Architecture and High Performance Computing, vol. 4, no. 2, pp. 158–168, Jul. 2022, doi: 10.47709/cnahpc.v4i2.1580.

F. Farahdinna, I. Nurdiansyah, A. Suryani, and A. Wibowo, “Perbandingan Algoritma K-Means dan K-Medoids dalam Klasterisasi Produk Asuransi Perusahaan Nasional,” Jurnal Ilmiah FIFO, vol. 11, no. 2, p. 208, 2019, doi: 10.22441/fifo.2019.v11i2.010.

S. A. D. Budiman, D. Safitri, and D. Ispriyanti, “Perbandingan Metode K-Means dan Metode DBSCAN pada Pengelompokan Rumah Kost Mahasiswa di Kelurahan Tembalang Semarang,” Jurnal Gaussian, vol. 5, no. 4, pp. 757–762, 2016, doi: 10.14710/j.gauss.5.4.757-762.

A. Kuraria, N. Jharbade, and M. Soni, “Centroid Selection Process Using WCSS and Elbow Method for K-Mean Clustering Algorithm in Data Mining,” Int. J. Sci. Res. Sci. Eng. Technol., pp. 190–195, Dec. 2018, doi: 10.32628/IJSRSET21841122.

P. J. Rousseeuw, “Silhouettes: A graphical aid to the interpretation and validation of cluster analysis,” J. Comput. Appl. Math., vol. 20, pp. 53–65, Nov. 1987, doi: 10.1016/0377-0427(87)90125-7.

R. K. Dinata, Bustami, and S. Retno, “Optimizing the Evaluation of K-means Clustering Using the Weight Product,” Revue d’Intelligence Artificielle, vol. 38, no. 4, pp. 1223–1233, Aug. 2024, doi: 10.18280/ria.380416.

C. P. Ufeli, M. U. Sattar, R. Hasan, and S. Mahmood, “Enhancing Customer Segmentation Through Factor Analysis of Mixed Data (FAMD)-Based Approach Using K-Means and Hierarchical Clustering Algorithms,” Information, vol. 16, no. 6, p. 441, May 2025, doi: 10.3390/info16060441.