Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pekanbaru
Application Of The K-Nearest Neighbor Algorithm For Student Department Classification At 15 Pekanbaru State High School
DOI:
https://doi.org/10.57152/ijirse.v3i1.484Keywords:
Data Mining, Classification, K-Nearest Neighbor, Student MajorAbstract
Penjurusan merupakan suatu upaya untuk membantu dan membimbing siswa dalam memilih peminatan atau jurusan yang ada disekolah dengan studi khusus yang akan menjadi minat bagi siswa tersebut. Berdasarkan survei yang dilakukan di SMA Negeri 15 Pekanbaru, proses penjurusan siswa memiliki permasalahan seperti kesulitan yang dialami pihak sekolah dalam menganalisis dan mengevaluasi secara manual saat menentukan jurusan siswa satu persatu. Hal ini tentunya akan menyita banyak waktu dan tenaga. Pada Data Mining terdapat suatu teknik klasifikasi yang digunakan untuk menggolongkan data sehingga mempermudah dalam mengklasifikasikan jurusan Siswa. Maka dilakukanlah klasifikasi pada data siswa tersebut menggunakan algoritma K-Nearest Neighbor (KNN) dengan tools RapidMiner. Hasil pemodelan klasifikasi yang dapatkan kemudian dilakukan perbandingan simulasi parameter dengan hasil akurasi maksimal pada nilai k=3 dengan hasil akurasi optimal 93.52%, rata-rata precision 88.14%, dan rata-rata recall 100.00%.
References
A. R. Kadafi, “Perbandingan Algoritma Klasifikasi Untuk Penjurusan Siswa SMA,” J. ELTIKOM, vol. 2, no. 2, pp. 67–77, 2018, doi: 10.31961/eltikom.v2i2.86.
M. Y. Putra and D. I. Putri, “Pemanfaatan Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Kelas XI,” vol. 16, no. 2, pp. 176–187.
U. Ramadhani and S. A. Putri, “Pemodelan Modified K-Nearest Neighbor Dalam Klasifikasi Jurusan Siswa Di SMAN 6 Pekanbaru,” no. November, pp. 87–93, 2021.
A. Qurotul, E. Tasia, N. Nazira, P. F. Pratama, M. R. Anugrah, and J. Adhiva, “Implementasi Algoritma Naïve Bayes Classifier ( NBC ) untuk Klasifikasi Penyakit Ginjal Kronik,” vol. 4, no. September, pp. 72–76, 2022, doi: 10.30865/json.v4i1.4781.
M.Hafizh, “Penerapan Data Mining Algoritma Association Rule Metode FP-Growth untuk Menganalisa Tingkat Kekerasan dalam Rumah Tangga,” Maj. Ilm. UPI YPTK, vol. 25, no. 1, pp. 99–106, 2018, doi: 10.35134/jmi.v25i1.36.
N. B. Putri and A. W. Wijayanto, “Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing,” Komputika J. Sist. Komput., vol. 11, no. 1, pp. 59–66, 2022, doi: 10.34010/komputika.v11i1.4350.
D. A. (Universitas M. R. A. H. Siti Julaiha, Marteli Bettiza, “Penerapan Algoritma K-Nearest Neighbor (KNN) Untuk Klasifikasi Calon Penerima Bidikmisi,” Student Online J., vol. 2, pp. 230–235, 2021.
S. R. Cholil, T. Handayani, R. Prathivi, and T. Ardianita, “IJCIT (Indonesian Journal on Computer and Information Technology) Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 6, no. 2, pp. 118–127, 2021.
A. Tangkelayuk, “The Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 1109–1119, 2022, doi: 10.35957/jatisi.v9i2.2048.
D. Apriadi and R. Kuswandhie, “Sistem pendukukung keputusan penentuan jurusan pada sma bina satria,” vol. 05, no. 02, pp. 101–109, 2020.
F. Handayani, “Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokkan Mahasiswa Berdasarkan Gaya Belajar,” vol. 12, 2022, doi: 10.34010/jati.v12i1.
F. A. D. Aji Prasetya Wibawa, Muhammad Guntur Aji Purnama, Muhammad Fathony Akbar, “Metode-metode Klasifikasi,” Pros. Semin. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, p. 134, 2018.
A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik,” J. Pilar Nusa Mandiri, vol. 7, no. 2, p. 217, 2021.
N. Nuraeni, “Klasifikasi Data Mining untuk Prediksi Potensi Nasabah dalam Membuat Deposito Berjangka,” J. Ilm. Intech Inf. Technol. J. …, vol. 3, no. 01, pp. 65–74, 2021.
H. Hozairi, A. Anwari, and S. Alim, “Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive Bayes,” Netw. Eng. Res. Oper., vol. 6, no. 2, p. 133, 2021, doi: 10.21107/nero.v6i2.237.
D. Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,” Edutic - Sci. J. Informatics Educ., vol. 7, no. 1, pp. 1–11, 2020, doi: 10.21107/edutic.v7i1.8779.
