PEMETAAN PILIHAN LULUSAN SMK PANCA BUDI MEDAN MENGGUNAKAN ALGORITMA K-MEANS DAN VISUALISASI DATA
DOI:
https://doi.org/10.54314/jssr.v8i3.3543Abstrak
Abstract: This research maps the career choices of SMK Panca Budi Medan graduates using the K-Means algorithm and data visualization. The study included 219 graduates from 2024 across eight study programs. The majority (44.7%) chose to work, followed by 32.0% who pursued higher education, 16.4% were undecided, and 6.8% became entrepreneurs. Graduates with higher average report card scores tended to continue their studies, while those with lower scores often opted to work or were undecided. The K-Means algorithm successfully clustered graduates, with Cluster 1.0 showing the highest academic potential (average score: 94.60). The findings provide strategic recommendations for the school, including intensifying career guidance for undecided graduates, strengthening higher education pathways for high-achievers, accelerating entrepreneurship incubators, and implementing personalized alumni coaching based on clustering analysis.
Â
Keywords: Tracer Study, K-Means, Data Visualization, SMK, Alumni Outcomes
Abstrak: Penelitian ini memetakan pilihan karier lulusan SMK Panca Budi Medan menggunakan algoritma K-Means dan visualisasi data. Studi melibatkan 219 lulusan tahun 2024 dari delapan program studi. Sebagian besar lulusan (44,7%) memilih langsung bekerja, diikuti oleh 32,0% yang melanjutkan kuliah, 16,4% "belum tahu", dan 6,8% berwirausaha. Alumni dengan rata-rata nilai rapor tertinggi cenderung melanjutkan kuliah, sedangkan yang lebih rendah umumnya memilih bekerja atau belum memiliki rencana. Algoritma K-Means berhasil mengelompokkan lulusan, dengan cluster 1.0 merepresentasikan potensi akademik tertinggi (rata-rata nilai: 94,60). Temuan ini menghasilkan rekomendasi strategis bagi sekolah, meliputi pengintensifan program bimbingan karier, penguatan jalur kuliah bagi siswa berprestasi tinggi, akselerasi pengembangan inkubator wirausaha, serta implementasi pembinaan alumni berbasis personalisasi dari hasil clustering.
Â
Kata kunci: Tracer Study, K-Means, Visualisasi Data, SMK, Outcome AlumniUnduhan
Referensi
Amrizal, A., & Harman, R. (2022). DISAIN MODEL PENGEMBANGAN TARCER STUDY DALAM SISTEM INFORMASI PENGELOLAAN LULUSAN PERGURUAN TINGGI. Jurnal Desain Dan Analisis Teknologi , 1(1), 1–12. https://doi.org/10.58520/JDDAT.V1I1.15
Ayu, A. O. S., & Iqbal, M. (2025). Analisis Data Mining Terhadap Data Faktor Perceraian Di Sumatera Utara Dengan Metode K-Means Clusstering. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 4(1), 214–221. https://doi.org/10.53513/JURSI.V4I1.10671
Hendrastuty, N. (2024). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa. Jurnal Ilmiah Informatika Dan Ilmu Komputer (JIMA-ILKOM), 3(1), 46–56. https://doi.org/10.58602/JIMA-ILKOM.V3I1.26
Hidayat, R. (n.d.). Pemanfaatan Data Mining untuk Melihat Minat Siswa Setelah Menyelesaikan Pendidikan Sekolah Menengah Atas (SMA) dengan Algoritma K-Means Clustering. https://jurnal.universitasputrabangsa.ac.id/index.php/tiij
Indrayani, M., & Iqbal, M. (2025). Application of Data Mining on Mobile Phone Sales Data Using the Apriori Algorithm (Case Study: Sentral Phone Store). Journal of Information Technology, Computer Science and Electrical Engineering, 2(2), 20–26. https://doi.org/10.61306/jitcse
Iqbal, M., Sipayung, S. P., Sinaga, A. R., & Hasugian, P. M. (2024). Analysis of Student Achievement with K-Means on Socioeconomic, Behavioral, and Psychological Factors. Jurnal Info Sains : Informatika Dan Sains, 14(04), 715–728. https://doi.org/10.54209/infosains.v14i04
Khoshgoftar, Z., Babaee, M., Rouzbahani, A. K., & Kalantarion, M. (2025). Educational data mining in medical education: A five-level approach. Journal of Education and Health Promotion, 14(1). https://doi.org/10.4103/JEHP.JEHP_1339_23
Lambardo, F., & Purnama, A. (n.d.). Pemetaan Data Siswa Berprestasi Pada SMA Nurul Iman Palembang. 6(1), 70–75.
Nadya, N. S., & Iqbal, M. (2024). Analisis Tren Pendaftaran Siswa Menggunakan Big Data di Yayasan Pendidikan Raksana Medan. Bulletin of Information Technology (BIT), 5(4), 366–370. https://doi.org/10.47065/BIT.V5I4.1744
Nasution, D., Sirait, D. N., & Wardani, I. (2022). OPTIMASI JUMLAH CLUSTER METODE K-MEDOIDS BERDASARKAN NILAI DBI PADA PENGELOMPOKKAN DATA LUAS TANAMAN DAN PRODUKSI KELAPA SAWIT DI SUMATERA UTARA. Kumpulan JurnaL Ilmu Komputer (KLIK), 09 No.02, 381. https://klik.ulm.ac.id/index.php/klik/article/view/464
Pujiono, S., Astuti, R., & Muhamad Basysyar, F. (2024). Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 615–620. https://doi.org/10.36040/jati.v8i1.8360
Putera Utama Siahaan, A., & Inda, M. (2024). Analysis of Age and Gender Classification Using Decision Tree Model in the Context of Nursing Homes | Journal of Information Technology, computer science and Electrical Engineering. Journal of Information Technology, Computer Science and Electrical Engineering (JITCSE), Vol. 1, No. 2, 149–152. https://doi.org/10.61306/jitcse.v1i2
Putra, R. R. (Randi), & Wadisman, C. (Cendra). (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. Intecoms, 1(1), 72–77. https://doi.org/10.31539/INTECOMS.V1I1.141
Rahmawati, N. Q. (2024). IMPLEMENTASI DATA MINING TERHADAP DATA MINAT MAHASISWA MENGGUNAKAN METODE APRIORI. Jurnal Teknologi Kimia Unimal, 13(2), 215–228. https://doi.org/10.29103/JTKU.V13I2.19563
Ramadhani, S. E. (2025). Analisis Data Pengguna Perpustakaan Digital MenggunakanAI Data Mining. Prosiding Sains Dan Teknologi, 4(1), 373–380. https://jurnal.pelitabangsa.ac.id/index.php/SAINTEK/article/view/5666
Sari, R. M., Wahyuni, S., & Rizka, A. (2023). Implementasi Algoritma K-Means Untuk Guru Berprestasi. Jurnal Minfo Polgan, 12(1), 531–538. https://doi.org/10.33395/JMP.V12I1.12453
Sartika, D., Iqbal, M., & Sitorus, Z. (2025). Analisis Algoritma Exponensial Smoothing dan K-Means untuk Optimal-isasi Penerimaan Mahasiswa Baru di Universitas Haji Sumatera Utara. Jurnal Multimedia Dan Teknologi Informasi (Jatilima), 7(02), 1–10. https://doi.org/10.54209/JATILIMA.V7I02.1269
Surapati, U., & Jannah, M. (2024). Penerapan Data Mining Menggunakan Metode K-Means Untuk Mengetahui Minat Customer Dalam Pembelian Merchandise Kpop. Jurnal Sains Dan Teknologi, 5(3), 875–884. https://doi.org/10.55338/SAINTEK.V5I3.2739
Wahyudi, E., Wijaya, R. F., & Khairul, K. (2024). K-Means and Naive Bayes Algorithms for Evaluation of Education Personnel Performance Based on SPMI Standards. Sinkron : Jurnal Dan Penelitian Teknik Informatika, 8(3), 1872–1883. https://doi.org/10.33395/SINKRON.V8I3.13890
Zalukhu, A. I., & Iqbal, M. (2025). Analysis of Product Demand Prediction Using Decision Tree on Sales Data of Ceria Toys Store. Journal Of Data Science , 3(01), 10–22. https://doi.org/10.58471/JDS.V3I01.6458
