Pengelompokan Prestasi Siswa Berdasarkan Nilai Akademik Menggunakan Algoritma K-Means dan Algoritma Fuzzy C-means

SMK PGRI 2 Karawang setiap tahun akan memberikan beasiswa pendidikan dan merekomendasikan siswa-siswinya nya kepada perusahaan berdasarkan prestasi dalam capaian Ujian Nasional namun mengalami kesulitan dalam pengelompokan siswa yang berprestasi. Setelah Ujian Nasional ditiadakan dari tahun 2020 karena covid-19 untuk itu tujuan penelitian ini yaitu mengelompokan prestasi siswa berdasarkan nilai akademik menggunakan data mining dengan menerapkan algoritma K-Means dan Fuzzy C-Means serta membandingkan hasilnya untuk mengetahui algoritma terbaik, penelitian ini bertempat di SMK PGRI 2 Karawang dan data yang digunakan merupakan nilai raport siswa dari semester 1 sampai 6. Hasil perhitungan manual dan program python algoritma K-Means sebanyak 52 siswa berprestasi, 25 siswa dengan prestasi sedang dan 28 siswa tidak berprestasi sedangkan pada algoritma Fuzzy C-Means sebanyak 48 siswa berprestasi, 29 siswa dengan prestasi sedang, dan 28 siswa tidak berprestasi. Pada perhitungan rapidminer studio hanya bisa menggunakan algortima K-Means saja karena Fuzzy C-Means tidak tersedia dan berhasil mendapatkan 49 siswa berprestasi, 27 siswa dengan prestasi sedang dan 29 siswa tidak berprestasi serta berdasarkan nilai evaluasi dengan metode metode Davies Bouldien Index (DBI) dari setiap jenis perhitungan menunjukan algoritma K-Means merupakan algoritma terbaik karena memiliki nilai DBI yang mendekati 0 dan tidak negatif.
Kata Kunci: data mining, davies bouldien index, fuzzy c-means, k-means, pengelompokan, python