Analisis Clustering Menggunakan Metode Enhanced Fuzzy C-Means Clustering Dengan Algoritma Rock Pada Student Performance Dataset
DOI:
https://doi.org/10.32877/bt.v7i3.2287
Keywords:
Clustering, Data Mining, Fuzzy C-Means, Kinerja Siswa, ROCK
Abstract
Evaluasi kinerja siswa merupakan elemen penting dalam sistem pendidikan, khususnya dalam mendukung proses pembelajaran yang berbasis data dan pengambilan keputusan akademik. Salah satu metode yang umum digunakan dalam analisis performa siswa adalah algoritma Fuzzy C-Means Clustering (FCM), yang memungkinkan klasifikasi data berdasarkan derajat keanggotaan dalam lebih dari satu cluster. Meskipun demikian, FCM memiliki keterbatasan signifikan, khususnya pada aspek sensitivitas terhadap inisialisasi pusat cluster yang bersifat acak, konvergensi lambat, serta ketidakpastian terhadap solusi optimal global. Penelitian ini mengusulkan pendekatan hybrid dengan mengintegrasikan algoritma ROCK (Robust Clustering using Links) sebagai metode inisialisasi pusat cluster dalam FCM. Algoritma ROCK, yang dirancang untuk data kategorikal, menggunakan pendekatan link-based similarity dalam menentukan kemiripan antar data dan membentuk struktur awal cluster secara hierarkis dan lebih stabil. Dataset yang digunakan dalam penelitian ini adalah Student Performance Dataset dari UCI Machine Learning Repository, yang mencerminkan berbagai atribut sosial, akademik, dan demografis siswa. Hasil pengujian menunjukkan bahwa model hybrid ROCK-FCM menghasilkan peningkatan kinerja clustering yang signifikan dibandingkan FCM konvensional, dengan akurasi meningkat sebesar 9,54%, Rand Index sebesar 10,84%, dan F-measure sebesar 8,61%. Temuan ini mengindikasikan bahwa integrasi ROCK dalam proses inisialisasi FCM memberikan kontribusi nyata dalam meningkatkan akurasi pengelompokan dan stabilitas model pada data pendidikan. Penelitian ini berkontribusi pada pengembangan pendekatan educational data mining yang lebih adaptif dan presisi dalam memetakan performa siswa.
Downloads
References
I. Subagio and A. Limbong, “DAMPAK TEKNOLOGI INFORMASI DAN KOMUNIKASI TERHADAP AKTIVITAS PENDIDIKAN,” J. Learn. Technol., vol. 2, pp. 43–52, Jun. 2023, doi: 10.33830/jlt.v2i1.5844.
D. Tyastuti, G. Oktavia, W. Aprilliyani, F. Alya, L. Rahmasari, and I. Hidayati, “Peran TIK bagi Pendidik dalam Dunia Pendidikan,” TSAQOFAH, vol. 3, pp. 16–22, Jan. 2023, doi: 10.58578/tsaqofah.v3i1.729.
B. Sitompul, “Kompetensi Guru dalam Pembelajaran di Era Digital,” J. Pendidik. Tambusai, vol. 6, no. 3, pp. 13953–13960, 2022, doi: 10.31004/jptam.v6i3.4823.
I. Siregar, K. Anwar, and R. S. Munte, “Isu-Isu Global Pengembangan Kurikulum Merdeka dan Pemagangan Life Skill World Class Education,” vol. 7, pp. 12887–12895, 2024.
I. M. Rosyidah, “Inovasi Hybrid Kurikulum Sekolah dan Pondok Pesantren Pada Era Teknologi Informasi,” vol. 5, no. 9, pp. 665–674, 2024.
N. Saeed and F. Mohamedali, “A Study to Evaluate Students’ Performance, Engagement, and Progression in Higher Education Based on Feedforward Teaching Approach,” Educ. Sci., vol. 12, no. 1, 2022, doi: 10.3390/educsci12010056.
N. Kholisah, B. H. Hayadi, F. A. Yusuf, D. Iskandar, Toyibah, and D. Nurhasanah, “Evaluasi Kinerja dan Pemantauan Progres Siswa,” Tech. …, vol. 4, no. 01, pp. 1–3, 2024, [Online]. Available: https://mand-ycmm.org/index.php/taveij/article/view/613%0Ahttps://mand-ycmm.org/index.php/taveij/article/download/613/661
D. A. N. Wulandari, R. Annisa, and L. Yusuf, “an Educational Data Mining for Student Academic Prediction Using K-Means Clustering and Naïve Bayes Classifier,” Semin. Nas. Apl. Teknol. Inf., pp. 155–160, 2020.
A. Herwansah, H. L. Sari, and L. Elfianty, “Analisa Data Penerimaan Siswa Pada Perguruan Tinggi melalui Jalur SNMPTN menggunakan Algoritma Fuzzy C-Means (Studi Kasus: SMAN 5 Kota Bengkulu),” J. Fasilkom, vol. 11, no. 2, pp. 104–111, 2021, doi: 10.37859/jf.v11i2.2627.
N. D. Luckyana, A. A. Supianto, and T. Tibyani, “Implementasi Kombinasi Algoritme Self-Organizing Map dan Fuzzy C-Means untuk Pengelompokan Performa Belajar Siswa pada Media Pembelajaran Digital,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 3, pp. 549–556, 2021, doi: 10.25126/jtiik.2021834402.
S. Kurniawan, A. M. Siregar, and H. Y. Novita, “Penerapan Algoritma K-Means dan Fuzzy C-Means Dalam Mengelompokan Prestasi Siswa Berdasarkan Nilai Akademik,” Sci. Student J. Information, Technol. Sci., vol. IV, no. 1, pp. 73–81, 2023.
M. E. Al Rivan, S. Steven, and W. Tanzil, “Optimasi Fuzzy C-Means dan K-Means Menggunakan Algoritma Genetika untuk Pengklasteran Dataset Diabetic Retinopathy,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 5, p. 993, 2020, doi: 10.25126/jtiik.2020711872.
N. R. Hikmiyah, R. R. A. Siregar, B. Prayitno, D. T. Kusuma, and N. G. Pahiyanti, “Metode Fuzzy Subtractive Clustering Dalam Pengelompokkan Penggunaan Energi Listrik Rumah Tangga,” Petir, vol. 14, no. 2, pp. 269–279, 2021, doi: 10.33322/petir.v14i2.1448.
I. Dewi, Syaripuddin, and M. N. Hayati, “Categorical Scale Data Grouping With Robust Clustering Using Links Algorithm (Case Study: PT. Prudential Life Road MT. Haryono Samarinda),” J. EKSPONENSIAL, vol. 11, no. 2, pp. 133–138, 2020.
N. Ulinnuha and D. Novitasari, “PENERAPAN FUZZY C-MEANS UNTUK PENGELOMPOKKAN TINGKAT KUALITAS PENDIDIKAN DI JAWA TIMUR,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 14, pp. 419–426, Nov. 2023, doi: 10.24176/simet.v14i2.9442.
P. Favati, G. Lotti, O. Menchi, and F. Romani, “Construction of the similarity matrix for the spectral clustering method: Numerical experiments,” J. Comput. Appl. Math., vol. 375, p. 112795, 2020, doi: https://doi.org/10.1016/j.cam.2020.112795.
N. Iam-on, T. Boongoen, and S. Garrett, “LCE: A Link-based Cluster Ensemble Method for Improved Gene Expression Data Analysis,” Bioinformatics, vol. 26, pp. 1513–1519, Jun. 2010, doi: 10.1093/bioinformatics/btq226.
N. Rakhmawaty, Y. N. Nasution, and F. D. T. Amijaya, “Perbandingan Metode K-Means Dan Metode Fuzzy C-Means (FCM) Pada Analisis Kinerja Pegawai PT. Cemara Khatulistiwa Persada Bontang,” Eksponensial, vol. 13, no. 1, p. 63, 2022, doi: 10.30872/eksponensial.v13i1.886.
N. I. Kalla, S. Annas, and M. Fahmuddin, “Metode Subtractive Fuzzy C-Means (SFCM) dalam Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan Berdasarkan Indikator Kemiskinan,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 4, no. 2, pp. 95–108, 2022, doi: 10.35580/variansiunm25.
N. Aini, A. Lestari, M. N. Hayati, F. Deny, and T. Amijaya, “Analisis cluster pada data kategorik dan numerik dengan pendekatan Cluster Ensemble (Studi kasus: puskesmas di Provinsi Kalimantan Timur kondisi Desember 2017),” J. EKSPONENSIAL Vol. 11, vol. 11, pp. 117–126, 2020.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 bit-Tech
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
I hereby assign and transfer to bit-Tech all exclusive copyright ownership rights to the above work. This includes, but is not limited to, the right to publish, republish, downgrade, distribute, transmit, sell, or use the work and other related materials worldwide, in whole, or in part, in all languages, in electronic, printed, or any other form of media, now known or hereafter developed and reserves the right to permit or license a third party to do any of the above. I understand that this exclusive right will belong to bit-Tech from the date the article is accepted for publication. I also understand that bit-Tech, as the copyright owner, has sole authority to license and permit reproduction of the article. I understand that, except for copyright, any other proprietary rights associated with the work (e.g. patents or other rights to any process or procedure) must be retained by the author. In addition, I understand that bit-Tech permits authors to use their papers in any way permitted by the applied Creative Commons license.
DOI :
Abstract views: 38
/ 
PDF downloads: 23
