Pembentukan Kelompok Belajar Berdasarkan Student Model Dengan Algoritma K-Means Untuk Mendukung Jigsaw Cooperative Learning
Abstrak
Penelitian ini mengembangkan pendekatan baru untuk pembentukan kelompok belajar dalam model Jigsaw Cooperative Learning di lingkungan perguruan tinggi, yang bertujuan mengatasi tantangan homogenitas kelompok dan kurangnya personalisasi. Menggunakan metodologi CRISP-DM, penelitian dimulai dengan pemahaman bisnis dan data, di mana data mahasiswa mencakup identitas, kinerja akademis (nilai kuis dan IPK), kepribadian (MBTI), dan gaya belajar dikumpulkan melalui kuesioner Microsoft Form. Pada tahap persiapan data, pembersihan data dilakukan untuk mengatasi nilai kosong, dan fitur-fitur dikodekan serta distandardisasi menggunakan normalisasi Z-score. Reduksi dimensi dengan Principal Component Analysis (PCA) digunakan untuk menyederhanakan struktur data, dengan dua komponen utama dipilih karena mampu merepresentasikan sebagian besar variansi. Untuk pemodelan, algoritma clustering K-means diimplementasikan. Jumlah klaster optimal ditentukan sebagai 4 menggunakan metode Elbow. Hasil clustering divisualisasikan dalam dua dimensi menggunakan PCA, menunjukkan pemisahan klaster yang cukup jelas. Evaluasi kualitas clustering menggunakan Silhouette Score menunjukkan nilai 0.36, mengindikasikan bahwa struktur klaster cukup representatif meskipun ada beberapa data yang mendekati batas antar klaster. Berdasarkan hasil clustering, kelompok-kelompok heterogen dibentuk dengan mengambil satu anggota dari setiap klaster secara bergiliran, menghasilkan 7 kelompok dengan 4-5 anggota. Proses ini bertujuan untuk meningkatkan kolaborasi dan pemahaman materi, serta memberikan pengalaman belajar yang lebih adil dan personal.
Kata kunci— Jigsaw, K-means, clustering, Cooperative Learning, CRISP-DM
Referensi
A. M. Khurrosyidah, I. Manado, I. Manado, and I. Manado, “Model Cooperative Learning Tipe Jigsaw dalam Pembelajaran Nahwu : Sebuah Tinjauan atas Temuan-temuan Terbaru ( 2019-2024 ) Ulasan tentang Cooperative Learning pada awal abad ke-21 mengelompokkan model ini dengan pembelajaran berbantukan teman sebaya ( Bor,” vol. 04, pp. 65–80, 2024.
Mawardi, “Peningkatan Aktivitas Belajar Mahasiswa Dengan Metode Jigsaw,” Pioner:Jurnal Pendidikan, vol. 4, no. 2, pp. 1–17, 2015, [Online]. Available: http://jurnal.ar-raniry.ac.id/index.php/Pionir/article/view/177
I. Isnaini, Sugiarti, “Penerapan Pembelajaran Kooperatif Tipe Jigsaw,” vol. X, no. Ii, pp. 74–87, 2013.
W. Marreiro, S. Isotani, and S. Carlos, “Algoritma Pembentukan Kelompok dalam Pembelajaran Kolaboratif Konteks : Pemetaan Literatur yang Sistematis Perkenalan Pembelajaran Kolaboratif yang Didukung Komputer ( CSCL ) adalah pendekatan,” 2014.
D. S. Utami and O. D. Appulembang, “Pembentukan Kelompok Belajar untuk Siswa pada Pembelajaran Daring,” Sukma: Jurnal Pendidikan, vol. 6, no. 1, pp. 35–60, 2022, doi: 10.32533/06103.2022.
W. W. Sari, “Penerapan Metode Cooperative Learning Tipe Student Team Achievement Division (Stad) Dalam Meningkatkan Pemahaman Siswa Kelas Xii Ips 1 Sma Negeri 11 Pekanbaru,” pp. 1–23, 2018.
A. Suprijono, “Cooperatif Learning,” Pustaka Pelajar, vol. 1, no. 1, p. 46, 2013.
E. Suswati, “PENERAPAN MODEL PEMBELAJARAN KOOPERATIF TIPE JIGSAW UNTUK MENINGKATKAN HASIL BELAJAR MAHASISWA,” JOEAI, vol. 7, no. 2, doi: 10.31539/joeai.v7i2.9995.
T. Wurijanto, H. B. Setiawan, and A. B. Tjandrarini, “Penerapan Model CRISP-DM pada Prediksi Nasabah Kredit yang Berisiko Menggunakan Algoritma Support Vector Machine,” Jurnal Ilmiah Scroll (Jendela Teknologi Informasi), vol. 10, no. 1, pp. 1–6, 2022, [Online]. Available: https://univ45sby.ac.id/ejournal/index.php/informatika/article/view/291
Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik,” Jurnal Teknologi Informatika dan Komputer, vol. 6, no. 2, pp. 12–20, 2020, doi: 10.37012/jtik.v6i2.299.
Y. D. Darmi and A. Setiawan, “Penerapan Metode Clustering K-Means Dalam Pengelompokan Penjualan Produk,” Jurnal Media Infotama, vol. 12, no. 2, pp. 148–157, 2017, doi: 10.37676/jmi.v12i2.418.
E. A. Saputra and Y. Nataliani, “Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means,” Journal of Information Systems and Informatics, vol. 3, no. 3, pp. 424–439, 2021, doi: 10.51519/journalisi.v3i3.164.
F. N. Dhewayani, D. Amelia, D. N. Alifah, B. N. Sari, and M. Jajuli, “Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM,” Jurnal Teknologi dan Informasi, vol. 12, no. 1, pp. 64–77, 2022, doi: 10.34010/jati.v12i1.6674.
