JURNAL MEDIA INFORMATIKA BUDIDARMA Volume 5, Nomor 1, Januari 2021, Page 83-89 ISSN 2614-5278 (media cetak), ISSN 2548-8368 (media online) Available Online at https://ejurnal.stmik-budidarma.ac.id/index.php/mib DOI 10.30865/mib.v5i1.2547 Husin Sariangsah, Copyright ©2021, MIB, Page 83 Submitted: 21/10/2020; Accepted: 29/11/2020; Published: 22/01/2021 Penentuan Kelas Menggunakan Algoritma K Medoids Untuk Clustering Siswa Tunagrahita Husin Sariangsah * , Wanayumini, Rika Rosnelly Fakultas Teknik dan Ilmu komputer, Program Studi Magister Ilmu Komputer, Universitas Potensi Utama, Medan, Indonesia Email: 1,* husinsariangsah1@gmail.com, 2 wanayumini@gmail.com, 3 rikarosnelly@gmail.com Email Penulis Korespondensi: husinsariangsah1@gmail.com Abstrak−Selama ini penempatan kelas siswa tunagrahita bersumber pada umur masuk anak dikala mendaftar di SLB C Muzdalifah, tidak dicoba uji Intelligence Quotient (IQ) buat siswa tunagrahita dalam mengelompokkan kelas siswa. Pengelompokkan anak tunagrahita penting dilakukan untuk mempermudah guru dalam menyusun program dan melaksanakan layanan pendidikan. Penting bagi pihak sekolah untuk memahami bahwa pada anak tunagrahita terdapat perbedaan individual yang variasinya sangat besar. Artinya, berada pada level usia (usia kalender dan usia mental) yang hampir sama serta jenjang pendidikan yang sama, kenyataannya kemampuan individu berbeda satu dengan lainnya. Dengan demikian, sudah barang tentu diperlukan strategi dan program khusus yang disesuaikan dengan perbedaan individual. Penelitian ini dibuat untuk mengelompokkan dan analisis data mining untuk clustering kelas siswa dengan algoritma K- Medoids dapat menolong dalam pengelompokkan siswa yang hendak menempati kelas sesuai tingkat ketunagrahitaannya. Dari hasil pengelompokan didapat 3 cluster, yang memiliki jumlah siswa paling tinggi ialah kelas tunagrahita sedang dan cluster yang rendah ialah tunagrahita ringan, pihak sekolah luar biasa Muzdalifah dapat mempersiapkan kelas berdasarkan pengelompokan untuk aktivitas belajar mengajar. Kata Kunci: Clustering; K-Medoids; Tunagrahita Abstract−So far, the class placement of mentally retarded students is based on the age of entering the child when registering at SLB C Muzdalifah, the Intelligence Quotient (IQ) test has not been tried for mentally retarded students in classifying student classes. It is important to group mentally retarded children to make it easier for teachers to prepare programs and implement educational services. It is important for the school to understand that in mentally retarded children there are individual differences with very large variations. That is, being at almost the same age level (calendar age and mental age) and the same education level, in fact individual abilities differ from one another. Thus, of course, special strategies and programs are needed that are adapted to individual differences. This research was made to classify and analyze data mining for class clustering students with the K-Medoids algorithm to help group students who want to occupy classes according to their level of intellectual disability. From the grouping results obtained 3 clusters, which have the highest number of students is the moderate mental retardation class and the lowest cluster is mild mental retardation, the Muzdalifah special school can prepare classes based on grouping for teaching and learning activities. Keywords: Clustering; K-Medoids; Mentally Disabled 1. PENDAHULUAN SLB C Muzdalifah ialah sekolah yang melayani anak berkebutuhan khusus yang memberikan fasilitas pembelajaran untuk anak berkebutuhan istimewa. Anak Berkebutuhan Spesial (ABK) mempunyai hak yang sama buat dapat bersekolah di sekolah universal, perihal ini sudah diatur dalam peraturan perundangan No: 20 tahun 2003. SLB Muzdalifah yang terletak pada jalan Garu VI gg. Merak Nomor 15 Medan tidak hanya memberi pendidikan untuk anak tunagrahita tetapi anak dengan tunarungu juga dapat pelayanan pendidikan disekolah tersebut. Sepanjang ini penempatan kelas buat siswa tunagrahita bersumber pada umur masuk anak pada saat mendaftar di SLB C Muzdalifah, tidak dicoba uji Intelligence Quotient(IQ) buat siswa tunagrahita dalam mengelompokkan kelas siswa. Sehingga menyebabkan proses belajar mengajar sedikit tersendat. Karena anak tunagrahita mempunyai penanganan yang berbeda beda sesuai dengan keahlian orang tiap- tiap. Untuk mempermudah pihak sekolah dalam menetukan kelas siswa berdasarkan ketunagrahitaannya dibutuhkan metode clustering. Dimana siswa dikelompokkan berdasarkan kemampuannya berdasarkan variabel penilaian yang telah dilakukan guru. Sehingga terbentuklah cluster dimana siswa memiliki kesamaan berada pada cluster yang sama[1]. Dalam data mining metode k-means merupakan algoritma yang berperan dalam clustering. Pengembangan k-means clustering yaitu k-medoids bertujuan mengurangi sensitivitas dari partisi yang dihasilkan sehubungan dengan nilai-nilai ekstrim yang terdapat didalam dataset. Algoritma k-medoids muncul untuk menanggulangi kelemahan k-means yang sensitif terhadap outliner. Pada penelitian sebelumnya[2] menggunakan teknik clustering dengan menggunakan algoritma k- medoids dalam melakukan pemasaran produk. Hasil yang didapatkan pemasaran produk lebih efektif dan efisien. Data yang didapat diolah untuk mengetahui pola sehingga diperoleh informasi yang tersembunyi. Pada Penelitian yang lain [3] menggunakan algoritma k-medoids sehingga lebih cepat mengetahui penyebaran anak cacat di wilayah tertentu. Banyak nya anak cacat didaerah riau yang masih kurang ditangani sehingga diperlukan sistem untuk pengetahui penyebaran anak cacat agar dapat penanganan secara dini. Berdasarkan latar belakang masalah dan pemaparan penelitian terdahulu, penulis membuat penelitian untuk menganalisa kelas siswa tunagrahita dengan menerapkan data mining clustering menggunakan algoritma k-medoids, dimana variabel yang digunakan yaitu nilai akademik, nilai kepribadian, nilai kemandirian, nilai