Seiring berjalannya waktu, jumlah madrasah yang ada di Indonesia terus bertambah. Berdasarkan data Kementerian Agama RI, terdapat 1.843 Madrasah Aliyah di Jawa Timur pada tahun ajaran 2019/2020. Dari banyaknya Madrasah Aliyah di Jawa Timur, belum ada pengelompokan yang dapat dipergunakan untuk berbabagi kebutuhan. Penulis melakukan pengelompokan menggunakan metode K-means Clustering yang dikembangkan dengan metode DBSCAN Clustering. Pengembangan dengan metode DBSCAN Clustering dilakukan karena metode K-means Clustering memiliki beberapa kekurangan, yaitu tidak dapat mendeteksi data noise/outlier, sangat sensitif pada pembangkitan titik pusat awal secara random, dan tidak dapat menentukan jumlah klaster optimal. Metode DBSCAN Clustering dapat mendeteksi data noise/outlier dan menentukan jumlah klaster optimal berdasarkan nilai parameter epsilon dan min_samples. Penulis juga melakukan klasterisasi menggunakan metode K-means Clustering tanpa pengembangan. Analisis klaster dilakukan menggunakan tools Jupyter Notebook dan pengkodean menggunakan Bahasa pemrograman Python3. Berdasarkan hasil analisis klaster yang dilakukan oleh penulis, pengembangan metode K-means Clustering dengan metode DBSCAN Clustering mendapatkan nilai Silhouette Score terbaik pada pembentukan 2 klaster, yaitu 0.825 atau 82.5%. Sedangkan hasil pembentukan klaster menggunakan K-means Clustering mendapatkan nilai Silhouette Score terbaik pada pembentukan 2 klaster, yaitu 0.845 atau 84.5%. Kedua hasil tersebut termasuk ke dalam struktur yang kuat karena memiliki nilai di antara 0.7 dan 1.
Kata kunci:
Klasterisasi, K-means, DBSCAN, Silhouette Coefficient