Abstract:
Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Means
Clustering dan Fuzzy Tsukamoto dalam mengelompokkan data siswa SMP NU
Medan berdasarkan prestasi akademik. Latar belakang penelitian ini didasarkan
pada pentingnya analisis data pendidikan sebagai dasar pengambilan keputusan
yang tepat dalam meningkatkan kualitas pembelajaran. Data yang digunakan
berasal dari nilai akademik siswa pada beberapa mata pelajaran inti. Metode K
Means Clustering digunakan untuk melakukan pengelompokan secara tegas (hard
clustering), sedangkan Fuzzy Tsukamoto digunakan untuk mengelompokkan
dengan pendekatan logika fuzzy (soft clustering). Hasil penelitian menunjukkan
bahwa algoritma K-Means mampu menghasilkan pengelompokan yang sederhana
dan mudah diinterpretasikan, namun cenderung kurang fleksibel terhadap data yang
bersifat ambigu. Sebaliknya, metode Fuzzy Tsukamoto memberikan hasil
pengelompokan yang lebih adaptif dengan mempertimbangkan derajat keanggotaan
setiap data, sehingga lebih sesuai dalam merepresentasikan variasi prestasi
akademik siswa. Kesimpulan dari penelitian ini adalah Fuzzy Tsukamoto lebih
unggul dalam memberikan analisis yang komprehensif terhadap data prestasi
akademik, sedangkan K-Means lebih unggul dari sisi kemudahan implementasi.
