Grouping of Student Attendance Discipline Levels Based on Daily Attendance Data Using the K-Means Algorithm

Putri ; Syahwa Mutiara ; Rahmawati ; Anita ; Bella ; Alfina Chintya ; Gurowo ; Damar Aji ; Arifin ; Muhammad ; Putri ; Syahwa Mutiara ; Rahmawati ; Anita ; Bella ; Alfina Chintya ; Gurowo ; Damar Aji ; Arifin ; Muhammad
JUISI : Jurnal Ilmiah Sistem Informasi 📅 2026 Vol 5, No 2 🔗 DOI: 10.51903/bxrc5648
Abstract
Kedisiplinan kehadiran siswa merupakan aspek penting dalam proses pembelajaran karena mencerminkan partisipasi, tanggung jawab, dan kepatuhan terhadap aturan sekolah. Namun, data absensi sering kali hanya diperlakukan sebagai catatan administratif dan jarang dianalisis untuk mengidentifikasi pola keterlambatan yang berulang. Penelitian ini bertujuan untuk mengelompokkan pola keterlambatan siswa berdasarkan data absensi harian menggunakan algoritma K-Means guna memberikan gambaran yang lebih terstruktur dan objektif tentang disiplin kehadiran. Penelitian ini menggunakan pendekatan data mining yang meliputi pengumpulan data, preprocessing, transformasi data, normalisasi, dan clustering. Dataset yang digunakan terdiri atas 678 catatan absensi harian selama 47 minggu. Setelah direkapitulasi, data menghasilkan 54 kategori durasi keterlambatan dengan total 1.738 kejadian keterlambatan. Variabel utama yang dianalisis adalah frekuensi kejadian keterlambatan pada setiap kategori, dan StandardScaler digunakan sebelum proses clustering. Data kemudian dikelompokkan ke dalam tiga cluster, yaitu High, Medium, dan Low. Hasil penelitian menunjukkan bahwa keterlambatan singkat berdurasi 1-7 menit membentuk cluster High dengan total 1.007 kejadian, yang menunjukkan bahwa keterlambatan ringan yang berulang merupakan pola paling dominan. Cluster Medium mencakup keterlambatan 8-13 menit dengan 425 kejadian, sedangkan cluster Low mencakup keterlambatan 14-63 menit dengan 306 kejadian. Penelitian ini memberikan kontribusi berupa sudut pandang berbasis clustering dalam menafsirkan data absensi dan berimplikasi bahwa sekolah perlu memberi perhatian tidak hanya pada keterlambatan berat, tetapi juga pada keterlambatan singkat yang sering berulang melalui pemantauan lebih dini dan intervensi disiplin yang lebih tepat sasaran.
Keywords
K-Means Clustering; Student Attendance Discipline; Educational Data Mining; Data absensi harian; Clustering K-Means; Data Mining Pendidikan
How to Cite

Putri, et al. (2026). Grouping of Student Attendance Discipline Levels Based on Daily Attendance Data Using the K-Means Algorithm. JUISI : Jurnal Ilmiah Sistem Informasi, 5(2). https://doi.org/10.51903/bxrc5648

Putri, Syahwa Mutiara ; Rahmawati, Anita; Bella, Alfina Chintya; Gurowo, Damar Aji; Arifin, Muhammad; Putri, Syahwa Mutiara ; Rahmawati, Anita; Bella, Alfina Chintya ; Gurowo, Damar Aji; Arifin, Muhammad, "Grouping of Student Attendance Discipline Levels Based on Daily Attendance Data Using the K-Means Algorithm," JUISI : Jurnal Ilmiah Sistem Informasi, vol. 5, no. 2, 2026.

Putri, Syahwa Mutiara ; Rahmawati, Anita; Bella, Alfina Chintya; Gurowo, Damar Aji; Arifin, Muhammad; Putri, Syahwa Mutiara ; Rahmawati, Anita; Bella, Alfina Chintya ; Gurowo, Damar Aji; Arifin, Muhammad. "Grouping of Student Attendance Discipline Levels Based on Daily Attendance Data Using the K-Means Algorithm." JUISI : Jurnal Ilmiah Sistem Informasi, vol. 5, no. 2, 2026.

Putri, Syahwa Mutiara ; Rahmawati, Anita; Bella, Alfina Chintya; Gurowo, Damar Aji; Arifin, Muhammad; Putri, Syahwa Mutiara ; Rahmawati, Anita; Bella, Alfina Chintya ; Gurowo, Damar Aji; Arifin, Muhammad. "Grouping of Student Attendance Discipline Levels Based on Daily Attendance Data Using the K-Means Algorithm." JUISI : Jurnal Ilmiah Sistem Informasi 5, no. 2 (2026).

Putri, et al. (2026) 'Grouping of Student Attendance Discipline Levels Based on Daily Attendance Data Using the K-Means Algorithm', JUISI : Jurnal Ilmiah Sistem Informasi, 5(2). doi: 10.51903/bxrc5648.

Putri, Syahwa Mutiara ; Rahmawati, Anita; Bella, Alfina Chintya; Gurowo, Damar Aji; Arifin, Muhammad; Putri, Syahwa Mutiara ; Rahmawati, Anita; Bella, Alfina Chintya ; Gurowo, Damar Aji; Arifin, Muhammad. Grouping of Student Attendance Discipline Levels Based on Daily Attendance Data Using the K-Means Algorithm. JUISI : Jurnal Ilmiah Sistem Informasi. 2026;5(2).

Artikel Terkait

Design and Implementation of a Web-Based QR Code Employee Attendance System for Optimizing Attendance Management: A Case Study at Bento and Es Teh Luwes Ungaran

Nufninu, Novinda Grezen; Rudjiono, Rudjiono; Panjaitan, Cherlina Helena Purnamasari ; Nufninu, Novinda Grezen; Rudjiono, Rudjiono; Panjaitan, Cherlina Helena Purnamasari

UI/UX Design of a Mobile Application for Shoe Cleaning Service Management Using the Design Thinking Method (Case Study: OurShoes)

Cahyani, Clariesta Eka Nanda ; Voutama, Apriade ; Cahyani, Clariesta Eka Nanda ; Voutama, Apriade

Analisis Perbandingan Yolov11 dan MobileNetV3 untuk Klasifikasi Varietas Padi

Octaviansyah, Ade ; Sari, Herva Emilda; Raharjo, Teguh; Octaviansyah, Ade; Sari, Herva Emilda ; Raharjo, Teguh

Audit of Incident Management on the LinkedIn Platform Based on User Perception Using COBIT 5

Marsiah, Siti; Sulistiyowati, Nina ; Voutama, Apriade ; Marsiah, Siti; Sulistiyowati, Nina ; Voutama, Apriade

Deteksi Aktivitas Vape Berbasis Yolov8 pada Citra dan Video dengan Pendekatan Deep Learning

Lahuddin, Lahuddin; Larasati, Pamela ; Hasbi, Abdilah; Lahuddin, Lahuddin; Larasati, Pamela ; Hasbi, Abdilah

Sentiment Analysis of Indomaret Poinku Using Lexicon-Based Labeling with KNN and Random Forest Algorithms

Sulaeni, Dini ; Purnamasari, Ade Irma ; Ali, Irfan ; Kurniawan, Rudi ; Nurdiawan, Odi ; Sulaeni, Dini ; Purnamasari, Ade Irma ; Ali, Irfan ; Kurniawan, Rudi ; Nurdiawan, Odi

Tren Sitasi Jurnal