Abstract:
Pengelompokan data siswa berprestasi merupakan langkah penting dalam proses
evaluasi dan pengambilan keputusan di lingkungan pendidikan. Metode klasterisasi
seperti K-Means dan K-Medoids banyak digunakan untuk mengelompokkan data
berdasarkan variabel prestasi akademik, absensi, dan ekstrakurikuler. Penelitian
ini bertujuan membandingkan kinerja kedua algoritma tersebut dalam
mengelompokkan siswa berprestasi di SMP Muhammadiyah 60 Medan. Metode
yang digunakan meliputi proses pengelompokan data dengan algoritma K-Means
dan K-Medoids, serta evaluasi hasil menggunakan nilai silhouette untuk menilai
kualitas klaster. Hasil penelitian menunjukkan bahwa kedua metode mampu
mengelompokkan siswa ke dalam cluster prestasi tinggi, sedang, dan rendah. K-
Means lebih cepat dalam proses komputasi dan cocok untuk data homogen serta
jumlah besar, namun sensitif terhadap outlier. Sebaliknya, K-Medoids lebih stabil
dan tahan terhadap outlier meskipun memakan waktu lebih lama. Berdasarkan
hasil evaluasi, K-Medoids memberikan hasil yang lebih representatif dalam
kondisi data dengan variasi nilai ekstrim. Penelitian ini diharapkan dapat
membantu pihak sekolah dalam melakukan segmentasi siswa secara efektif dan
efisien untuk pengambilan kebijakan yang lebih tepat sasaran.
