STUDENT ACADEMIC ACHIEVEMENT CLUSTERING USING  FUZZY C-MEANS ALGORITHM

Natria Selina; Sriani Sriani

doi:10.33330/jurteksi.v12i2.4427

Natria Selina Universitas Islam Negeri Sumatera Utara
Sriani Sriani Universitas Islam Negeri Sumatera Utara

DOI: https://doi.org/10.33330/jurteksi.v12i2.4427

Keywords: fuzzy c-means; clustering; mahasiswa; pencapaian akademik

Abstract

Abstract: Academic achievement mapping is an important process in higher education to support effective academic monitoring and guidance. In practice, student grouping is often conducted manually by academic staff using simple criteria such as Grade Point Average (GPA) thresholds and subjective judgment, without systematic data analysis. This study aims to apply the Fuzzy C-Means (FCM) clustering algorithm to objectively group students based on their academic achievement levels. The dataset consists of academic records from 179 sixth-semester students of the Computer Science Study Program at Universitas Islam Negeri Sumatera Utara, where 160 eligible students are processed in the FCM calculation. Three variables are used: cumulative GPA, total completed credits, and the total number of low grades (D/E). The FCM algorithm automatically performs the mapping and groups students into three categories, namely excellent, stable, and at-risk students. Cluster quality is evaluated using the Silhouette Score and Davies–Bouldin Index, showing satisfactory clustering performance. The results indicate that the proposed approach provides a data-driven and objective basis for academic decision support.

Keywords: academic achievement; clustering; fuzzy c-means; student

Abstrak: Pemetaan pencapaian akademik mahasiswa merupakan proses penting dalam pendidikan tinggi untuk mendukung pemantauan dan pembinaan akademik yang tepat sasaran. Dalam praktiknya, pengelompokan mahasiswa masih sering dilakukan secara manual oleh pihak akademik berdasarkan kriteria sederhana, seperti batasan Indeks Prestasi Kumulatif (IPK) dan penilaian subjektif, tanpa analisis data yang sistematis. Penelitian ini bertujuan menerapkan algoritma Fuzzy C-Means (FCM) untuk mengelompokkan mahasiswa secara objektif berdasarkan tingkat pencapaian akademik. Data penelitian berasal dari 179 mahasiswa semester enam Program Studi Ilmu Komputer Universitas Islam Negeri Sumatera Utara, dengan 160 mahasiswa memenuhi kriteria dan diproses menggunakan algoritma FCM. Variabel yang digunakan meliputi IPK kumulatif, jumlah SKS yang telah ditempuh, dan total nilai rendah (D/E). Proses pemetaan sepenuhnya dilakukan oleh algoritma FCM dan menghasilkan tiga kategori mahasiswa, yaitu unggul, stabil, dan berisiko. Evaluasi menggunakan Silhouette Score dan Davies–Bouldin Index menunjukkan kualitas pengelompokan yang cukup baik.

Kata kunci: fuzzy c-means; clustering; mahasiswa; pencapaian akademik

References

R. Ghaniy and F. Indriyaningsih, “Penerapan Metode Fuzzy C-Means dalam Pemilihan Program Studi Mahasiswa Baru di Perguruan Tinggi,” vol. 10, no. 2, pp. 19–30, 2020.

H. Jamhur, “Pemodelan Prediksi Predikat Kelulusan Mahasiswa menggunakan Fuzzy C-Means berbasis Particle Swarm Optimizatin,” vol. 10, no. 1, pp. 13–24, 2020.

R. Nurul, J. S. Intam, A. Akram, N. Risal, and D. F. Surianto, “Klasifikasi Mahasiswa Berprestasi Menggunakan Fuzzy C-Means Dan Naive Bayes,” vol. 15, no. 1, pp. 9–16, 2024.

M. Anugraha, A. Eka, A. Hartanto, and R. P. Kristianto, “KLASTERISASI PENGELOLAAN BAN DI PT . GST MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING,” vol. 3, no. 2, pp. 312–326, 2024.

S. Syaqila and M. Fakhriza, “K-Means Clustering Untuk Mengukur Pengaruh Kompetensi Terhadap Kinerja Pegawai,” vol. 6, no. 2, pp. 1420–1431, 2025, doi: 10.47065/josh.v6i2.6758.

D. Rizki, P. Noordi, I. A. Prastowo, N. A. Putri, Z. A. Ekovih, and D. Hartanti, “Penerapan Algoritma Fuzzy C-Means untuk Analisis Tingkat Pendidikan Sekolah Dasar di Karanganyar,” pp. 12–18, 2023.

F. Hariyadi, H. Sujaini, and A. S. S, “Pengklasteran Mahasiswa UNTAN Berdasarkan IPK Menggunakan Metode Fuzzy C-Means UNTAN Student Clustering Based on IPK Using Fuzzy C-Means Method,” pp. 31–37, 2020, doi: 10.26418/justin.v8i2.36506.

N. Fadiah, R. Nurul, J. S. Intam, and D. Fatmarani, “Analisis Penentuan Mahasiswa Berprestasi Fakultas Teknik UNM Menggunakan Metode Fuzzy C-Means Analysis of the Determination of Outstanding Students of the Faculty of Engineering UNM Using the Fuzzy C-Means Method,” vol. 11, no. 3, pp. 480–486, 2023, doi: 10.26418/justin.v11i3.

R. Sovia, E. Praja, W. Mandala, and S. Mardhiah, “Algoritma K-Means dalam Pemilihan Siswa Berprestasi dan Metode SAW untuk Prediksi,” vol. 6, no. 2, pp. 181–187, 2020.

G. Nabila, S. Putri, D. Ispriyanti, T. Widiharih, D. Statistika, and U. Diponegoro, “Implementasi algoritma fuzzy c-means dan fuzzy possibilistics c-means untuk klasterisasi data tweets pada akun twitter tokopedia 1,2,3,” vol. 11, pp. 86–98, 2022.

M. R. Nahjan, N. Heryana, A. Voutama, F. I. Komputer, U. S. Karawang, and R. Miner, “IMPLEMENTASI RAPIDMINER DENGAN METODE CLUSTERING K-MEANS UNTUK ANALISA PENJUALAN PADA TOKO OJ CELL,” vol. 7, no. 1, pp. 101–104, 2023.

M. R. Gusmansyah, S. Daulay, and A. Rivaldi, “Perbandingan Metode Machine Learning untuk Klastering Penerima Bantuan Pendidikan Siswa,” pp. 2–8, 2025.

S. Agustinus, B. Telaumbanua, F. Setiadi, and S. Nurjanah, “Analisis Clustering Menggunakan Metode Enhanced Fuzzy C-Means Clustering Dengan Algoritma Rock Pada Student Performance Dataset,” vol. 7, no. 3, 2025, doi: 10.32877/bt.v7i3.2287.

H. K. Candra, M. Bahit, B. Sabella, K. Akuntansi, and P. N. Banjarmasin, “PENERAPAN METODE KLUSTERING FUZZY C-MEANS UNTUK PENENTUAN PEMINATAN PEMILIHAN JURUSAN Kata,” 2021.

Mirand and Sriani, “View of Implementation of K-Means Clustering in Grouping Sales Data at Zura Mart.pdf,” 2025.

F. Khalish, N. M. Piranti, and O. Martdireja, “View of Implementasi Data Mining Menggunakan Teknik Clustering dengan Metode K-Means,” 2025.

R. A. CHANIAGO, MENULAR DI KOTA SIBOLGA MENGGUNAKAN ALGORITMA FUZZY C-MEANS SKRIPSI Disusun Sebagai Syarat Memperoleh Gelar Sarjana Komputer Prodi Teknik Informatika Fakultas Teknik Universitas Malikussaleh DISUSUN OLEH : NAMA PRODI : REZA ALFIAN CHANIAGO JURUSAN INFORMA. 2024.

F. Wilyani, Q. N. Arif, and F. Aslimar, “Pengenalan Dasar Pemrograman Python Dengan Google Colaboratory Basic,” no. 1, 2024.

T. Zatul and H. Tengku, “Predicting Student Performance Using Subtractive Clustering Fuzzy C-Means and Multiple Linear Regression,” vol. 16, no. 1, pp. 31469–31474, 2026.

D. N. Aini, “Fuzzy Clustering-Based Grouping for Mapping the Distribution of Student Success Data,” vol. 3, no. October, pp. 366–372, 2023.

D. K. D. Damayanti, “KLASIFIKASI STATUS STUNTING BALITA MENGGUNAKAN ALGORITMA FUZZY C-MEANS (STUDI KASUS POSYANDU RW 01 KELURAHAN JEPARA SURABAYA,” vol. 11, no. 03, pp. 524–533, 2023.

E. O. Srirahmawati et al., “PENGELOMPOKAN PRESTASI AKADEMIK SISWA SD MENGGUNAKAN ALGORITMA K-MEANS,” vol. 8, no. 1, pp. 80–86, 2025.

S. Mujilahwati and R. Wardhani, “IMPLEMENTASI FUZZY C-MEANS UNTUK CLUSTERING MAHASISWA BERDASARKAN NILAI MASUK PERGURUAN TINGGI,” vol. 6, no. 1, pp. 448–453, 2021.