A Comparison of the Performance of K-Means and K-Medoids in Classifying High-Achieving Students at SMP Muhammadiyah 60 Medan
DOI:
https://doi.org/10.65310/tay7fq21Keywords:
K-Means, K-Medoids, Clustering, Student Performance, Silhouette Coefficient.Abstract
This study investigates the comparative performance of the K-Means and K-Medoids clustering algorithms in classifying student achievement at SMP Muhammadiyah 60 Medan. The research applies a quantitative data mining approach using academic and non-academic variables, including Mathematics scores, Science scores, Bahasa Indonesia scores, attendance records, and extracurricular participation. Data preprocessing was conducted through cleaning, normalization using Min-Max Scaling, and feature selection to ensure data consistency and analytical reliability. The findings indicate that both algorithms successfully classified students into meaningful performance groups with consistent clustering structures. K-Means demonstrated superior computational efficiency and lower SSE values, making it suitable for homogeneous datasets. In contrast, K-Medoids exhibited greater robustness against outliers and produced more stable cluster distributions. The study concludes that K-Medoids provides more representative clustering results for educational datasets characterized by heterogeneous performance patterns.
Downloads
References
Agni, M. A. M. (2025). Optimalisasi Pengelompokan Jenis Produk dalam Penentuan Strategi Penjualan Menggunakan Algoritma K-Means di Toko Cirebon Vape Store. MULTINETICS, 11(1), 1-10. https://doi.org/10.32722/multinetics.v11i1.7315
Amaliah, R. A., Tohidi, E., Wahyudin, E., Rinaldi, A. R., & Iin, I. (2023). Pengelompokkan Data Bencana Alam Berdasarkan Wilayah Menggunakan Algoritma K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3572-3579. https://doi.org/10.36040/jati.v7i6.8253
Antoni, A. R., Sartika, D., & Trianggana, D. A. (2025). Penerapan Data Mining Dalam Pengelompokan Data Nilai Siswa SMA Negeri 7 Kota Bengkulu Menggunakan Metode K-Means Clustering. JURNAL MEDIA INFOTAMA, 21(1), 299-306. https://doi.org/10.37676/jmi.v21i1.8101
Asher, C., Fredricka, J., & Alinse, R. T. (2025). Penerapan Metode K-Means Dalam Pengelompokan Data Siswa Berdasarkan Masalah Akademik Di SMA Negeri Selangit. JURNAL MEDIA INFOTAMA, 21(2), 615-623. https://doi.org/10.37676/jmi.v21i2.9370
Aulia, H. S., Arifin, M., & Fithri, D. L. (2026). Penerapan Algoritma Machine Learning Untuk Pengelompokan Siswa Berdasarkan Aspek Akademik Dan Non-Akademik. Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, 11(1), 1200-1210. https://doi.org/10.36341/rabit.v11i1.7249
Azizah, M., Rahaningsih, N., & Dana, R. D. (2024). Analisis Klasterisasi Wilayah Penyandang Disabilitas di Provinsi Jawa Barat. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 638-644. https://doi.org/10.36040/jati.v8i1.8398
Darmawan, A., Yudhisari, I., Anwari, A., & Makruf, M. (2023). Pola prediksi kelulusan siswa madrasah aliyah swasta dengan support vector machine dan random forest. Jurnal Minfo Polgan, 12(1), 387-400. https://doi.org/10.33395/jmp.v12i1.12388
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques (3rd ed.). Morgan Kaufmann.
Handayani, F. (2022). Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokan Mahasiswa Berdasarkan Gaya Belajar. Jurnal teknologi dan Informasi, 12(1), 46-63. https://doi.org/10.34010/jati.v12i1.6733
Ih’Diati, N. O., Anto, A., & Rosmini, R. (2024). Implementasi Algoritma K-Medoids Dalam Mengelompokkan Siswa Berdasarkan Keaktifan Dalam Proses Pembelajaran. Journal of Big Data Analytic and Artificial Intelligence, 7(1), 1-7. https://doi.org/10.71302/jbidai.v7i1.38
Kaligis, G. B., & Yulianto, S. (2022). Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai. IT-Explore: Jurnal Penerapan Teknologi Informasi Dan Komunikasi, 1(3), 179-193. https://doi.org/10.24246/itexplore.v1i3.2022.pp179-193
Noyari, J. A., Aprillia, A., Munthe, R. G., Sutarman, A., & Kallas, E. (2024). Optimasi Kinerja Sistem Informasi Manajemen Kampus Menggunakan Teknik Data Mining: Optimizing the Performance of Campus Management Information Systems Using Data Mining Techniques. Jurnal MENTARI: Manajemen, Pendidikan Dan Teknologi Informasi, 3(1), 52-63. https://doi.org/10.33050/mentari.v3i1.613
Pratama, B. S., & Purwanto, G. (2025). Perbandingan K-Means dan K-Medoids dalam Pengelompokkan Tingkat Kejahatan pada Provinsi Jawa Tengah. IDEALIS: InDonEsiA journaL Information System, 8(2), 295-303. https://doi.org/10.36080/idealis.v8i2.3562
Puri, A., Solihudin, D., Anwar, S., Pratama, D., & Wahyudin, E. (2024). Analisis Klaster K-Medoid Untuk Pengelompokan Dan Pemetaan Provinsi Di Indonesia Berdasarkan Nilai Ujian Nasional. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 918-924. https://doi.org/10.36040/jati.v8i1.8653
Putra, J. L., Kanedi, I., & Al Akbar, A. (2025). Klasterisasi Data Karyawan Berdasarkan Penilaian Kinerja Menggunakan Metode K-Medoid. JURNAL MEDIA INFOTAMA, 21(1), 143-151. https://doi.org/10.37676/jmi.v21i1.8178
Putri, A., Jasmir, J., & Purnama, B. (2025). Klasifikasi Kelayakan Penerima Beasiswa Menggunakan Naive Bayes dengan Optimasi Atribut Berbasis K-Means Clustering: Classification of Scholarship Eligibility Using Naïve Bayes with Attribute Optimization Based on K-Means Clustering. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(4), 1450-1462. https://doi.org/10.57152/malcom.v5i4.2312
Putriana, P., Suarna, N., & Prihartono, W. (2023). Analisis Clustering Prestasi Atlet Pada Berbagai Cabang Olahraga Menggunakan Algoritma K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3435-3442. https://doi.org/10.36040/jati.v7i6.8211
Salman, M. D., Rahmaddeni, R., Pratama, N. R., Setiawan, A. A., Zalianti, F., & Huda, I. B. (2025). Perbandingan Kinerja Algoritma Clustering K-Means dan K-Medoids dalam Pengelompokan Sekolah di Provinsi Riau Berdasarkan Ketersediaan Sarana dan Prasarana: Comparison of K-Means and K-Medoids Clustering Algorithm Performance in Grouping Schools in Riau Province Based on Availability of Facilities and Infrastructure. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(3), 797-806. https://doi.org/10.57152/malcom.v5i3.1950
Seran, K. J. T., Soares, J. T., Bobu, F. R., & Chrisinta, D. (2026). Analisis Perbandingan Algoritma K-Means dan K-Medoids dalam Penentuan Status Gizi Balita. JIKTEKS: Jurnal Ilmu Komputer dan Teknologi Informasi, 4(02), 42-50. https://doi.org/10.70404/jikteks.v4i02.648
Susanto, S. P. A., & Riska, S. Y. (2026). Perbandingan K-Means dan K-Medoids Untuk Clustering Lagu Setipe di Spotify Berdasarkan Karakteristik Audio. INTEGER: Journal of Information Technology, 11(1). https://doi.org/10.31284/j.integer.2026.v11i1.8394
Syafrudin, T., Hermawan, A., Avianto, D., & Maulana, I. (2025). Analisis Komparasi Algoritma K-Means Dan K-Medoids Dalam Segmentasi Data Untuk Strategi Promosi Mahasiswa Baru Di Universitas X. Komputika: Jurnal Sistem Komputer, 14(2), 203-211. https://doi.org/10.34010/komputika.v14i2.16698
Tan, P. N., Steinbach, M., & Kumar, V. (2019). Introduction to data mining (2nd ed.). Pearson.
Vidyananta, I. P. A., & Dermawan, K. T. (2025). Perbandingan Algoritma K-Means Dan K-Medoids Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Indikator Keadaan Sekolah Dasar. Jurnal Informatika dan Teknik Elektro Terapan, 13(3S1). https://doi.org/10.23960/jitet.v13i3S1.8145
Wahyudi, N. R., Rahmawati, Y., & Supriyanto, S. (2024). Implementasi Rapidminer Untuk Menentukan Siswa Unggulan Menggunakan Metode K-Means. SKANIKA: Sistem Komputer dan Teknik Informatika, 7(2), 109-118. https://doi.org/10.36080/skanika.v7i2.3173
Wenny, W. (2024). Normalisasi Data Kependudukan Dengan Model Min Max Dan Algoritma K-Means Untuk Pengelompokkan Tingkat Ekonomi Masyarakat. Bulletin of Information System Research, 2(2), 53-63. https://doi.org/10.62866/bios.v2i2.141
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Farida Nafisa Siagian, Halim Maulana (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
