<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="9214">
 <titleInfo>
  <title>Klasterisasi Tingkat Keberhasilan Proses Belajar Siswa Pada MA Nurul Hilal Senuro Ogan Ilir Menggunakan Metode K-MEANS</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Irsandi</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Universitas Sumatera Selatan</placeTerm>
   <publisher>Fakultas Ilmu Komputer USS</publisher>
   <dateIssued>2026</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent>xvi, 89 hlm. ; 30 cm</extent>
 </physicalDescription>
 <note>ABSTRAK&#13;
Data akademik siswa yang terus bertambah dapat dimanfaatkan untuk&#13;
mengetahui pola tingkat keberhasilan belajar. Penelitian ini bertujuan menerapkan&#13;
metode K-Means Clustering untuk mengelompokkan tingkat keberhasilan belajar&#13;
siswa MA Nurul Hilal Senuro Ogan Ilir ke dalam tiga kategori, yaitu tinggi, sedang,&#13;
dan rendah. Data penelitian berupa nilai akademik siswa tahun ajaran 2025/2026&#13;
kelas X, XI, dan XII. Pengolahan data menggunakan metode Knowledge Discovery&#13;
in Database (KDD) dengan algoritma K-Means berdasarkan perhitungan Euclidean&#13;
Distance terhadap centroid. Hasil penelitian menunjukkan bahwa K-Means berhasil&#13;
membentuk tiga cluster keberhasilan belajar. Kelas X menghasilkan cluster tinggi&#13;
14 siswa, sedang 11 siswa, dan rendah 16 siswa. Kelas XI menghasilkan cluster&#13;
tinggi 11 siswa, sedang 20 siswa, dan rendah 19 siswa. Kelas XII pengetahuan&#13;
menghasilkan cluster tinggi 20 siswa, sedang 16 siswa, dan rendah 6 siswa,&#13;
sedangkan kelas XII keterampilan menghasilkan cluster tinggi 13 siswa, sedang 23&#13;
siswa, dan rendah 6 siswa. Hasil clustering menunjukkan adanya perbedaan&#13;
karakteristik akademik pada setiap jenjang kelas. Informasi tersebut dapat&#13;
digunakan sebagai dasar evaluasi pembelajaran, program remedial, dan pembinaan&#13;
akademik siswa.&#13;
Kata Kunci: Data Mining, K-Means Clustering, Klasterisasi Siswa, Keberhasilan&#13;
Belajar, Nilai Akademik.</note>
 <note type="statement of responsibility">Irsandi</note>
 <subject authority="">
  <topic>Ilmu Komputer</topic>
 </subject>
 <classification>004</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan UNIVERSITAS SUMATERA SELATAN Open Source Library Management System</physicalLocation>
  <shelfLocator>004 IRS k</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">P0004081</numerationAndChronology>
    <sublocation>My Library</sublocation>
    <shelfLocator>004 IRS k</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <recordInfo>
  <recordIdentifier>9214</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2026-09-18 10:43:33</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2026-09-18 10:44:22</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>