Klasterisasi Tingkat Pemahaman Siswa Pada Mata Pelajaran Kimia Dengan Algoritma K-Means

Abstract

Kimia merupakan mata pelajaran yang sebagian siswa merasa kesusahan dalam menerima materi, sehingga bagi guru mata pelajaran kimia hal ini merupakan sebuah masalah dalam memberikan materi karena tingkat pemahaman siswa yang tidak merata, hal ini tentu saja akan menyebabkan tujuan pembelajaran yang tidak dapat dicapai sesuai rencana studi semester. Tujuan penelitian ini dilakukan adalah untuk mengelompokkan tingkat pemahaman siswa pada mata pelajaran kimia berdasarkan nilai PAS/PAT dan Rapor. Metode yang akan digunakan yaitu Clustering dengan algoritma K-Means, untuk menentukan jumlah cluster yang optimal dengan metode elbow. Setelah dilakukan penelitian ditemukan jumlah cluster yang optimal sebanyak 3 cluster, dimana cluster 0 merupakan kelompok siswa yang memiliki tingkat pemahaman sangat Baik, Cluster 1 merupakan kelompok tingkat pemahaman baik dan Cluster 2 merupakan kelompok tingkat pemahaman kurang. Dari 133 siswa yang digunakan sebagai dataset, masing-masing didapatkan hasil untuk cluster 0 sebanyak 78 siswa, cluster 1 sebanyak 54 siswa dan cluster 2 sebanyak 1 siswa. Siswa yang masuk pada cluster 2 perlu mendapatkan perhatian khusus dari guru terkait sehingga dapat memahami pelajaran dengan baik.