KLASIFIKASI PENJURUSAN SISWA SMA NEGERI 2 SITUBONDO MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN)

Al marsi, Abul Abbas (2022) KLASIFIKASI PENJURUSAN SISWA SMA NEGERI 2 SITUBONDO MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN). Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text A. PENDAHULUAN.pdf Download (1MB)
	Text B. ABSTRAK.pdf Download (698kB)
	Text C. BAB I.pdf Download (4MB)
	Text D. BAB II.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text E. BAB III.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text F. BAB IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text G. BAB V.pdf Restricted to Repository staff only Download (822kB) \| Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (809kB)
	Text I. LAMPIRAN.pdf Restricted to Repository staff only Download (3MB) \| Request a copy
	Text J. ARTIKEL.pdf Download (1MB)

Abstract

Pelaksanaan kurikulum 2013 bertujuan untuk penyesuaian program pendidikan pada siswa, agar memiliki kemampuan dalam melakukan observasi, bertanya, bernalar, dan mengkomunikasikan apa yang diperoleh setelah menerima materi pembelajaran. SMA Negeri 2 Situbondo merupakan salah satu SMA Negeri di Kota Situbondo yang sudah menerapkan Kurikulum 2013 pada penentuan penjurusan. Tujuan penelitian ini untuk mengetahui tingkat akurasi, presisi dan recall menggunakan algoritma klasifikasi K-Nearest Neighbor (KNN) dalam penjurusan di SMA Negeri 2 Situbondo. Penulis menggunakan metode K-Nearest Neighbor (KNN) dengan Euclidean Distance untuk mengklasifikasikan ke dalam dua jurusan yaitu IPA dan IPS, data yang digunakan sebanyak 280 data siswa baru. Dikarenakan belum ada metode husus dalam penjurusan pihak sekolah hanya menggunakan perhitungkan nilai mata pelajaran yang ada pada pendaftaran awal dan angket peminatan, sehingga hal tersebut masih membutuhkan waktu yang cukup lama dan mengeluarkan biaya, serta menimbulkan banyak siswa yang merasa salah masuk jurusan. Maka digunakanlah teknik data mining yaitu metode klasifikasi. Metode klasifikasi yang digunakan pada penelitian kali ini adalah K-Nearest Neighbor (KNN). Hasil dari penelitian ini didapatkan akurasi sebesar 72%, presisi 70% dan recall 92%. Akurasi tersebut didapatkan pada data training Fold K = 3 skenario 1 dengan KNN 5. Kinerja algoritma KNN dalam penjurusan siswa akurasinya mengalami peningkatan sebesar 10% setelah data testing-nya diganti dengan unseen data. Kata Kunci: Klasifikasi, K-Nearest Neighbor (KNN), Euclidean Distance, data mining, Penjurusan.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Klasifikasi, K-Nearest Neighbor (KNN), Euclidean Distance, data mining, Penjurusan.

Subjects:

000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

ABUL ABBAS AL MARSI