Analisis Performa Siswa Menggunakan K-Means dan Random Forest pada Ekstrakurikuler Robotik

Aldyansyah Tarigan; Achmad Maezar  Bayu Aji

doi:10.58602/jaiti.v4i3.320

Aldyansyah Tarigan ^{(Corresponding Author)} Universitas Bina Sarana Informatika
Achmad Maezar Bayu Aji Universitas Bina Sarana Informatika

DOI: https://doi.org/10.58602/jaiti.v4i3.320

Keywords: K-Means, Random Forest, Machine Learning, Analisis Performa Siswa, Ekstrakurikuler Robotik

Abstract

Penilaian performa siswa pada kegiatan ekstrakurikuler robotik umumnya masih dilakukan secara manual sehingga memerlukan waktu yang relatif lama dan berpotensi menimbulkan subjektivitas dalam proses evaluasi. Penelitian ini bertujuan menganalisis performa siswa menggunakan pendekatan hybrid yang mengombinasikan algoritma K-Means dan Random Forest. Dataset yang digunakan terdiri atas 1.369 data siswa dengan atribut Practical Skill, Academic Skill, Life Skill, dan persentase kehadiran. Tahapan penelitian meliputi transformasi data, preprocessing, proses clustering menggunakan algoritma K-Means dengan tiga cluster, kemudian hasil clustering digunakan sebagai label pada proses klasifikasi menggunakan algoritma Random Forest. Evaluasi model dilakukan menggunakan metode Stratified 10-Fold Cross Validation dengan metrik Accuracy, Precision, Recall, F1-Score, Area Under the Curve (AUC), dan Matthews Correlation Coefficient (MCC). Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil mengelompokkan siswa ke dalam tiga kelompok performa dengan karakteristik yang berbeda. Model Random Forest memperoleh nilai Accuracy sebesar 89,8%, Precision sebesar 90,9%, Recall sebesar 89,8%, F1-Score sebesar 88,0%, AUC sebesar 98,1%, dan MCC sebesar 69,1%. Hasil tersebut menunjukkan bahwa kombinasi K-Means dan Random Forest mampu menghasilkan analisis performa siswa yang efektif serta dapat mendukung proses evaluasi dan pengambilan keputusan dalam pembinaan siswa pada kegiatan ekstrakurikuler robotik.

Downloads

Download data is not yet available.

References

R. S. Nurhalizah, R. Ardianto, and P. Purwono, “Analisis Supervised dan Unsupervised Learning pada Machine Learning: Systematic Literature Review,” J. Ilmu Komput. dan Inform., vol. 4, no. 1, pp. 61–72, 2024, doi: 10.54082/jiki.168.

H. A. Maulana, N. Fitriyah, D. El Baradei, F. Ardiyanto, and M. Arifin, “Analisis Data Pendidikan Menggunakan Metode Data Mining dengan Algoritma Decision Tree dan K-Means Clustering,” vol. 6, no. 1, 2026, doi: 10.58794/jekin.v6i2.2131.

E. Saputri, “Teknik dan aplikasi data mining di Indonesia: tinjauan literatur satu dekade (2015-2024),” IT-Explore J. Penerapan Teknol. Inf. dan Komun., vol. 4, no. 2, pp. 138–149, 2025, doi: 10.24246/itexplore.v4i2.2025.pp138-149.

N. Romelyan, I. Kanedi, and A. Fikri Sallaby, “Penerapan Metode K-Means Untuk Menampilkan Tingkat Prestasi Siswa SDN 08 Kabupaten Lebong,” J. Technopreneursh. Inf. Syst., vol. 6, no. 3, pp. 59–66, 2023, doi: 10.36085/jtis.v6i3.5919.

N. A. Rahmadenti, R. A. Purnama, T. Alfian, and A. Sandi, “Analisis Pola Dan Tren Kualitas Udara Dki Jakarta 2022–2025 Menggunakan K-Means Clustering,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 3S1, pp. 2830–7062, 2025, [Online]. Available: https://journal.eng.unila.ac.id/index.php/jitet/article/view/8141

M. Mahendra Alvanof and R. Kesuma Dinata, “Penerapan Algoritma Random Forest dalam Deteksi dan Klasifikasi Ransomware,” J. Elektron. dan Teknol. Inf., vol. 5, no. 2, pp. 2721–9380, 2024.

A. Fatunnisa and H. Marcos, “Prediksi Kelulusan Tepat Waktu Siswa SMK Teknik Komputer Menggunakan Algoritma Random Forest Prediction of On-Time Graduation for Computer Engineering Vocational School Students Using the Random Forest Algorithm,” J. Manaj. Inform., vol. 14, no. April, pp. 101–111, 2024, [Online]. Available: https://ojs.unikom.ac.id/index.php/jamika/article/view/12114

H. Ermita, “Prediksi Kelulusan Mahasiswa Menggunakan Metode K-Means dan Random Forest Fakultas Ilmu Komputer Universitas Sriwijaya , Indonesia Sales Prediction of Student Graduation using K-Means and Random Forest Methods,” J. Pendidik. dan Teknol. Indones. Vol., vol. 5, no. 1, pp. 209–214, 2025.

A. Agung, A. Daniswara, I. Kadek, and D. Nuryana, “Data Preprocessing Pola Pada Penilaian Mahasiswa Program Profesi Guru,” J. Informatics Comput. Sci., vol. 05, no. Vol. 5 No. 01 (2023), pp. 97–100, 2023, [Online]. Available: https://ejournal.unesa.ac.id/index.php/jinacs/article/view/55395

T. Gori, A. Sunyoto, and H. Al Fatta, “Preprocessing Data dan Klasifikasi untuk Prediksi Kinerja Akademik Siswa,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 1, pp. 215–224, 2024, doi: 10.25126/jtiik.20241118074.

R. Awalia, “Penerapan Metode K-Means Clustering untuk Pengelompokan Prestasi Siswa menggunakan Orange Data Mining : Studi Kasus di MTs Muhammadiyah Tallo Makassar,” Mechatronics J. Prof. Entrep., vol. 6, no. 2, pp. 36–41, 2024.

Y. Priantama and T. A. Yoga Siswa, “Optimasi Correlation-Based Feature Selection Untuk Perbaikan Akurasi Random Forest Classifier Dalam Prediksi Performa Akademik Mahasiswa,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 2, p. 251, 2022, doi: 10.26798/jiko.v6i2.651.

T. Rahmawati, Y. Wilandari, and P. Kartikasari, “Analisis Perbandingan Silhouette Coefficient Dan Metode Elbow Pada Pengelompokkan Provinsi Di Indonesia Berdasarkan Indikator Ipm Dengan K-Medoids,” J. Gaussian, vol. 13, no. 1, pp. 13–24, 2024, doi: 10.14710/j.gauss.13.1.13-24.

R. Dila, S. Defit, and S. Arlis, “Analisis Algoritma K-Means Clustering Dalam Pengelompokan Prestasi Belajar Siswa Menengah Atas (SMA),” Bull. Comput. Sci. Res., vol. 5, no. 5, pp. 1113–1119, 2025, doi: 10.47065/bulletincsr.v5i5.751.

Ridwan, “IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING DAN RANDOM FOREST UNTUK PREDIKSI STATUS KESEHATAN KARYAWAN,” vol. 4, no. 1, pp. 1–10, 2025.