Profiling Siswa SMA/SMK Berdasarkan Nilai Akademik dan Status Sosial-Ekonomi Menggunakan Metode K-Means: Student Profiling Based on Academic Achievement and Socioeconomic Status Using K-Means Clustering Method

Keberagaman kemampuan akademik dan latar belakang sosial-ekonomi siswa SMA/SMK menuntut pendekatan pembelajaran berdiferensiasi yang berbasis bukti. Namun, profiling siswa secara komprehensif yang mengintegrasikan data akademik dan sosial-ekonomi secara simultan belum banyak dilakukan. Penelitian ini bertujuan memetakan profil siswa SMA/SMK dengan mengintegrasikan data nilai akademik dan status sosial ekonomi menggunakan metode K-Means Clustering. Dataset terdiri dari 45.244 data siswa dengan 11 variabel, yang diproses melalui kerangka Knowledge Discovery in Databases (KDD). Seleksi fitur menggunakan dua variabel utama: nilai_total (jumlah nilai tiga mata pelajaran) dan desil_kesejahteraan (1–10). Setelah penghapusan data yang hilang, diperoleh 42.722 data valid. Standardisasi data dilakukan menggunakan StandardScaler. Jumlah klaster optimal (K=4) ditentukan menggunakan Elbow Method dengan KneeLocator. Hasil evaluasi menunjukkan Silhouette Score sebesar 0,3658 dan Davies-Bouldin Index (DBI) sebesar 0,8589. Empat klaster yang terbentuk: Klaster 0 (Profil Unggul Sejahtera, n=9.870), Klaster 1 (Profil Rentan, n=10.896), Klaster 2 (Profil Sejahtera Berkembang, n=12.454), dan Klaster 3 (Profil Potensial Terbatas, n=9.502). Temuan ini memberikan landasan empiris bagi perancangan intervensi pembelajaran berdiferensiasi yang tepat sasaran sesuai kebijakan Kurikulum Merdeka.