ANALISIS CLUSTERING MENGGUNAKAN METODE ENHANCED FUZZY C-MEANS CLUSTERING (eFCM) DENGAN ALGORITMA ROCK PADA STUDENT PERFORMANCE DATASET

Algoritma Fuzzy C-Means (FCM) clustering merupakan metode pengelompokan yang efektif untuk analisis penilaian kinerja siswa. FCM dapat membantu mengelompokkan siswa berdasarkan pola penilaian, memfasilitasi pemahaman tingkat kinerja, dan mengidentifikasi kelompok yang homogen. Pengelompokan dapat juga memisahkan siswa berdasarkan tingkat kemampuan, memungkinkan penempatan mereka dalam kelompok pembelajaran yang sesuai. Namun, FCM memiliki kelemahan seperti sensibilitas terhadap kondisi awal dan konvergensi lambat. Untuk mengatasi kelemahan tersebut, digunakan metode tambahan, yaitu algoritma ROCK. Penelitian menunjukkan bahwa penggunaan algoritma ROCK dalam menentukan nilai awal parameter pada FCM menghasilkan peningkatan signifikan, dengan kenaikan akurasi sebesar 9,54%, rand index sebesar 10,84%, dan F-measure sebesar 8,61%. Hasil ini menunjukkan bahwa penentuan nilai awal matriks fuzzy pseudo-partition (u) pada FCM, yang biasanya dilakukan secara acak, dapat ditingkatkan dengan menerapkan algoritma ROCK, menghasilkan pengelompokan data yang lebih baik.