Penerapan Algoritma K-Means dan K-Medoids Dalam Pengelompokan Sekolah Menengah Kejuruan (SMK) di Kabupaten Karawang Berdasarkan Nilai Ujian Nasional

Ujian Nasional diselenggarakan sebagai sistem evaluasi standar pendidikan secara Nasional yang dilakukan oleh Pusat Penilaian Pendidikan. Pada tingkat SMK mata pelajaran yang diujikan yaitu Bahasa Indonesia, Matematika, Bahasa Inggris, dan Kompetensi Kejuruan. Pengelompokan data nilai Ujian Nasional dilakukan untuk memudahkan peserta didik mendapatkan informasi mengenai kategori sekolah mereka berdasarkan hasil nilai Ujian Nasional yang akan dikategorikan ke dalam 3 kategori cluster yaitu baik, sedang, dan cukup. Penelitian ini akan menerapkan teknik algoritma K-Means dan K-Medoids. Adapun sumber data yang digunakan berasal dari website Pusat Penilaian Pendidikan dengan menggunakan data nilai rata-rata UN SMK tahun pelajaran 2018/2019. Hasil pengelompokan dengan menerapkan kedua algoritma dilakukan dengan cara perhitungan manual kemudian dilakukan pengujian menggunakan tools Rapidminer. Pada algoritma k-means dengan melakukan perhitungan manual menghasilkan cluster baik 14 anggota satuan pendidikan SMK, cluster sedang 46 anggota satuan pendidikan SMK dan cluster cukup 49 anggota satuan pendidikan SMK. Hasil pengujian menunjukkan hasil yang sama dengan hasil pada perhitungan manual. Pada algoritma k-medoids dengan melakukan perhitungan manual diperoleh hasil cluster baik 27 anggota satuan pendidikan SMK, cluster sedang 43 anggota satuan pendidikan SMK dan cluster cukup 39 anggota anggota satuan pendidikan SMK. Hasil pengujian Rapidminer menunjukkan hasil yang sama dengan hasil pada perhitungan manual. Perbedaan jumlah cluster pada kinerja tiap algoritma memiliki pola perhitungan yang berbeda pada masing-masing iterasi. Namun, pada algoritma k-means yang termasuk kategori cluster baik merupakan anggota satuan pendidikan keseluruhan pada algoritma k-medoids dengan kategori baik. Sehingga, hasil dalam pengelompokan dengan menggunakan kedua algoritma berpengaruh pada dataset yang digunakan serta pola perhitungan algoritma yang diterapkan pada dataset.

Kata kunci : Cluster, Dataset, K-Means, K-Medoids, Pengelompokan