PENERAPAN DATA MINING UNTUK MENENTUKAN TINGKAT KEDISIPLINAN SISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING (Studi Kasus : SMK Negeri 1 Kamal)

Ketidak disiplinan siswa dapat memiliki dampak negatif yang signifikan, baik bagi individu siswa itu sendiri maupun bagi lingkungan sekolah secara keseluruhan. Dalam penerapan algoritma K-Means Clustering nilai indikator yang digunakan seperti absensi, kerapian, prilaku, tanggung jawab, sikap, dan partisipasi. Hasil pengelompokan total 248 yang kemudian di karenakan 4 siswa telah keluar dari sekolah, maka di ambil 244 siswa, jadi total yang di gunakan untuk perhitungan sebanyak 244 siswa. Metode K-Means Clustering dengan optimasi SSE yaitu 16.4219 yang menghasilkan adanya 10 cluster, kebutuhan sekolah yang digunakan 3 cluster untuk menentukan tingkat kedisiplinan siswa. Pada hasil perhitungan cluster pertama yaitu (C1) kategori disiplin sebanyak 102 siswa, lalu pada cluster (C2) kategori kurang disiplin sebanyak 108 siswa dan pada cluster (C3) kategori tidak disiplin sebanyak 34 siswa. Hasil rata-rata perklaster (C1) yaitu rata-rata absensi adalah 0.1834, rata-rata kerapian adalah 0.2255, rata-rata prilaku adalah 0.1882, rata-rata tanggung jawab adalah 0.1838, rata-rata sikap adalah 0.1961, dan rata-rata partisipasi adalah 0.0931. Hasil rata- rata perklaster (C2) yaitu rata-rata absensi adalah 0.3407, rata-rata kerapian adalah 0.4792, rata-rata prilaku adalah 0.3611, rata-rata tanggung jawab adalah 0.4699, rata-rata sikap adalah 0.4398, dan rata-rata partisipasi adalah 0.4213 Hasil rata- rata perklaster (C3) yaitu rata-rata absensi adalah 0.6471, rata-rata kerapian adalah 0.7279, rata-rata prilaku adalah 0.6147, tanggung jawab adalah 0.7574, rata-rata sikap adalah 0.739 dan rata-rata partisipasi adalah 0.5588. Sistem aplikasi yang telah di ciptakan untuk mengetahui informasi mengenai tingkat kedisiplinan siswa dengan hasil cluster yang diperoleh, dapat membantu pihak sekolah dalam meningkatkan kualitas siswa dan lingkungan sekolah yang lebih baik.