Perbandingan Algoritma K-Means dan Hierarchical Clustering dalam Pengelompokan Prestasi Akademik Siswa

Pengelompokan prestasi akademik merupakan salah satu strategi yang dapat membantu guru dan pihak sekolah dalam melakukan intervensi pembelajaran, seperti pemberian bimbingan tambahan atau penentuan strategi pengajaran yang lebih tepat. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Means dan Hierarchical Clustering dalam mengelompokkan prestasi akademik siswa. Dataset yang digunakan terdiri dari 1.000 data siswa dengan tiga atribut nilai, yaitu Matematika, Membaca, dan Menulis, yang diperoleh dari sumber data publik. Tahapan penelitian meliputi proses preprocessing, normalisasi data menggunakan StandardScaler, penerapan algoritma clustering, serta visualisasi hasil menggunakan scatter plot dua dimensi dan dendrogram. Evaluasi kinerja model dilakukan menggunakan Silhouette Score untuk menilai kualitas pemisahan cluster. Hasil penelitian menunjukkan bahwa algoritma K-Means memperoleh skor Silhouette sebesar 0,406, sedangkan Hierarchical Clustering memperoleh skor 0,374. Nilai tersebut mengindikasikan bahwa K-Means menghasilkan struktur pengelompokan yang lebih baik dan lebih jelas dalam membedakan tingkat prestasi siswa menjadi tiga kategori: rendah, sedang, dan tinggi. Dengan demikian, K-Means dinilai lebih sesuai untuk analisis pengelompokan prestasi akademik pada dataset ini.