Jumlah Cluster Optimal dalam Pengelompokan Siswa SMK dengan Metode Elbow K-Means Clustering

Abstract

Jenjang pendidikan di Indonesia setelah sekolah lanjutan pertama adalah Sekolah Menengah Tingkat Atas (SMA) atau yang sederajat yatu sekolah kejuruan SMK. Perkembangan teknologi telah memberikan berbagai kemudahan, termasuk dalam bidang pendidikan. Salah satu bentuk inovasi teknologi dalam pendidikan adalah penerapan data mining, khususnya educational data mining. Penerapan educational data mining dengan metode K-Means untuk mengelompokkan data siswa SMK di kabupaten Magelang, merupakan inti dari penelitian ini. Adapun data yang diterapkan merujuk pada data publik https://dapo.kemendikbud.go.id Berdasarkan data tersebut, Metode Elbow diterapkan untuk mengidentifikasi jumlah cluster yang paling sesuai. Jumlah cluster ini kemudian menjadi dasar penghitungan menggunakan algoritma K-Means. Hasil analisis menunjukkan tiga kelompok: Cluster 1, yang meliputi siswa dengan minat rendah untuk melanjutkan ke SMK, terdapat di Kecamatan Muntilan dan Mertoyudan; Cluster 2, terdiri dari siswa dengan kecenderungan minat cukup dalam memilih lanjut studi ke SMK, tersebar di 10 kecamatan, yaitu Salaman, Tegalrejo, Secang, Salam, Borobudur, Tempuran, Windusari, Kaliangkrik, Kajoran dan Ngablak, serta Cluster 3 mencakup siswa dengan kecenderungan minat tertinggi untuk lanjut studi ke SMK, terdiri dari 9 kecamatan, yaitu Mungkid, Grabak, Bandongan, Sawangan, Pakis, Candimulyo, Dukun, Srumbung, dan Ngluwar. Penelitian ini sangat penting dalam mendukung kinerja pemerintah daerah Kabupaten Magelang dalam sistem pemantauan distribusi jumlah siswa Sekolah Menengah Kejuruan di setiap kecamatan. Dengan demikian, akan lebih mudah untuk mendeteksi kecamatan mana yang memiliki jumlah siswa yang kurang atau bahkan terlalu banyak. Aspek ini penting untuk diperhatikan karena berkaitan langsung dengan ketersediaan sarana prasarana dan tenaga pengajar di sekolah-sekolah menengah tersebut.