A Analisis Clustering Kondisi Pendidikan Sekolah Dasar di Indonesia Menggunakan Algoritma K-Means pada Data Nasional

Abstract

Ketimpangan kondisi pendidikan sekolah dasar antar provinsi di Indonesia masih menjadi tantangan dalam upaya mewujudkan pemerataan kualitas pendidikan. Perbedaan jumlah sekolah, peserta didik, tenaga pendidik, serta ketersediaan sarana dan prasarana pendidikan menyebabkan setiap provinsi memiliki karakteristik kondisi pendidikan yang berbeda. Dalam kerangka penelitian ini, tujuan utama adalah melakukan analisis dan pemetaan kondisi pendidikan sekolah dasar di berbagai provinsi di Indonesia dengan menggunakan pendekatan berbasis machine learning untuk memperoleh gambaran komprehensif yang dapat mendukung pengambilan keputusan. Penelitian ini menggunakan data statistik pendidikan sekolah dasar tingkat provinsi tahun 2024 yang terdiri atas beberapa indikator utama, meliputi jumlah peserta didik, jumlah sekolah, tenaga pendidik, rombongan belajar, ruang kelas, jumlah siswa mengulang, serta jumlah siswa putus sekolah. Algoritma K-Means diterapkan untuk mengelompokkan provinsi berdasarkan kesamaan pola pada indikator-indikator kondisi pendidikan yang dianalisis. Tahapan penelitian mencakup proses prapemrosesan data, penanganan nilai hilang melalui metode imputasi rata-rata, normalisasi data, penentuan jumlah cluster optimal dengan Elbow Method, serta analisis hasil pengelompokan. Hasil analisis menunjukkan bahwa provinsi di Indonesia dapat diklasifikasikan ke dalam tiga cluster utama yang merepresentasikan kondisi pendidikan sekolah dasar dengan kategori rendah, sedang, dan tinggi. Pemetaan ini diharapkan dapat menjadi dasar dalam mendukung pengambilan kebijakan pendidikan yang lebih berbasis data, khususnya untuk meningkatkan pemerataan kualitas pendidikan sekolah dasar di Indonesia.