Font Size: 

Faktor terpenting dalam lingkungan belajar adalah penilaian yang dianggap sebagai hasil keluaran proses pembelajaran karena dari penilaian juga dapat membantu mengidentifikasi kemajuan dan performa dari masing-masing siswa. Penelitian ini tujuannya adalah untuk mengetahui jumlah atau banyaknya siswa dari setiap cluster dan analisis performanya serta membandingkan algoritma mana yang paling bagus untuk diterapkan saat clustering performa siswa. Dataset dikumpulkan dari situs web kaggle yang berisi performa siswa SMA di Amerika Serikat tahun 2020. Untuk metode yang dipakai dalam pengolahan data menggunakan algoritma clustering K-Means dan K-Medoids dengan tools rapidminer, sedangkan untuk menghitung nilai accuracy, precission, dan recall peneliti memakai rumus confusion matrix. Dari penelitian ini dijelaskan bahwa hanya terdapat ¼ siswa dari keseluruhan untuk cluster dengan performa siswa yang bagus dan hasil perbandingan dari kedua algoritma adalah algoritma K-Medoids lebih baik karena nilai tingkat akurasi dan presisinya lebih tinggi apabila dibandingkan dengan algoritma K-Means.