Klasifikasi Prestasi Akademik Siswa Berdasarkan Nilai Rapor dan Kedisiplinan dengan Metode K-Nearest Neighbor
DOI:
https://doi.org/10.55338/jikomsi.v7i1.2865Keywords:
Siswa, Prestasi, Data Mining, Klasifikasi, K-Nearest NeighborAbstract
Sekolah melaksanakan kegiatan pembelajaran melalui tahapan-tahapan dan proses, agar peserta didik mencapai prestasi belajar yang baik. Prestasi belajar adalah hasil yang diperoleh berupa kesan-kesan yang mengakibatkan perubahan dalam diri individu sebagai hasil dari aktivitas. Sebagai pedoman penentuan siswa yang berprestasi adalah dengan memiliki nilai akhir setiap semester yang baik serta nilai kedisiplinan selama mengikuti pembelajaran disekolah, seperti tidak memiliki poin pelanggaran yang tinggi. Belum adanya metode khusus yang digunakan untuk mengklasifikasikan siswa berdasarkan prestasinya dan banyak kemiripan data, dibutuhkan metode klasifikasi yang tepat dan akurat, salah satunya menggunakan ilmu di bidang data mining. Dalam artikel ini peneliti ingin mengklasifikasi prestasi siswa dengan metode K-Nearest Neighbor (K-NN) berdasarkan nilai akademik dan nilai kedisplinan siswa dengan menggunakan data berjumlah 348 siswa di SMA Negeri 2 Batu Jawa Timur. Hasil eksperimen dan evaluasi model yang dilakukan, dengan pembagian data training dan data testing secara acak dengan beberapa percobaan diperoleh nilai akurasi tertinggi sebesar 91.39 %.
Downloads
References
Prayogi, Adinoto, Pengaruh Kegiatan Awal Pembelajaran, Disiplin Belajar Dan Motivasi Belajar Terhadap Prestasi Belajar.
Jurnal Ilmiah Pendidikan dan Pembelajaran, Vol.3, No. 1.pp 53-64, 2019.
Melati, Sri dan Triyono, Gandung. “Pemodelan Sistem Pendukung Keputusan Penentuan Siswa Terbaik Menggunakan Metode
Simple Addictive Weighting (Saw)”. Jurnal IDEALIS Vol. 3, No. 2, Juli 2020, Halaman 574 - 580
S. Jambekar and Z. Saquib, “Application of Data Mining Techniques for Prediction of Crop Production in India,” vol. 7, no.4,
pp. 66–69, 2018
Sudrajat, A.B.I. Analisis Kinerja Algoritma Support Vector Machine (SVM) pada Data Seleksi Penerima Beasiswa Menggunakan
Particle Swarm Optimization (PSO) (studi kasus: politeknik TEDC Bandung). Jurnal TEDC, [S.l.], v. 13, n. 1, p.1-11, jan. 2019
Adinugroho, S. dan Y.A. Sari., 2018. Implementasi Data Mining Menggunakan WEKA. 1st ed. Malang: UB Press.
D. Kurniawan, and A. Saputra, "Penerapan K-Nearest Neighbour dalam Penerimaan Peserta Didik dengan Sistem Zonasi," Jurnal
Sistem Informasi Bisnis, vol. 9, no. 2, pp. 212-219, Nov. 2019.
Purwaningsih, E., dan Nurelasari, E. Penerapan K-Nearest Neighbor Untuk Klasifikasi Tingkat Kelulusan pada Siswa. Syntax:
Jurnal Informatika Vol. 10, No. 01, 2021, 46-56
Hidayatullah, V.A.D., Nilogiri, A., dan Al Faruq, H.A. Klasifikasi Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor
(KNN) pada SMA Negeri 2 Situbondo. Jurnal Smart Teknologi Vol. 1, No. 1, Agustus 2021, Halaman 100 – 102
D. A. Adeniyi, Z. Wei, and Y. Yongquan, “Automated Web Usage Data Mining and Recommendation System Using K-Nearest
Neighbor (KNN) Classification Method,” Appl. Comput. Informatics, 2016.
Inna, Alvi Nikmatun dan Indra, “Implementasi Data Mining Untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma
K-Nearest Neighbor”. Jurnal SIMETRIS, Vol. 10 No. 2 November 2019 P-ISSN: 2252-4983, E-ISSN: 2549-3108
Andrade, Jonata, Goliatt, Leonardo, Farage, Michèle and Marques, Geraldo, “Prediction Of The Performance Of Bituminous
Mixes Using Adaptive Neuro-Fuzzy Inference Systems,” Revista Mundi, Engenharia e Gestão, Paranaguá, PR, v. 5, n. 6, p. 293-
, 293-14, 2020
H. Yuliansyah, R. Adi, P. Imaniati, and M. Wibowo, “Predicting Students Graduate on Time Using C4 . 5 Algorithm,” J. Inf.
Syst. Eng. Bus. Intell., vol. 7, no. 1, pp. 67–73, 2021
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI)

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.