IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBORS DALAM MENENTUKAN KATEGORI PRESTASI SISWA BERDASARKAN NILAI AKADEMIK

Penulis

  • Jordan Ryano Fadillah Universitas Budi Luhur
  • Rizky Pradana Universitas Budi Luhur

Kata Kunci:

Algoritma K-Nearest Neighbor, Peringkat, Cross-Validation accuracy, Precision, Recall, F1_score

Abstrak

Madrasah Tsanawiyah Annajah adalah satu sekolah tingkat menengah pertama Islam swasta yang masih belum banyak menerapkan digitalisasi dalam operasional mereka Hingga saat ini, sistem penilaian dan ranking yang ditetapkan oleh mereka didapat dari hasil perhitungan yang mereka hitung satu per satu di dalam dokumen lembar kerja / spreadsheet dan dikelompokkan berdasarkan kelas masing-masing, kemudian dokumen perhitungan itu disimpan di dalam direktori masing-masing guru dan dilaporkan kepada orang tua siswa sebagai bentuk feedback. riset ini menggunakan algoritma K-Nearest Neighbor untuk memprediksi peringkat siswa untuk mengetahui prediksinya dan membandingkannya dengan peringkat semester sebelumnya. K-Nearest Neighbor merupakan metode yang menggunakan algoritma terbimbing untuk mengklasifikasikan hasil sampel pengujian baru ke dalam kelas K-NN. Dengan menggunakan algoritma ini, dapat dibuat perkiraan dan guru dapat melihat perkiraan tersebut dan membandingkannya dengan semester sebelumnya. Saat ini sekolah masih menginput nilai siswa secara manual dan memprediksi peringkat menggunakan excel. Hasil riset ini adalah untuk semester ganjil Cross-validation Accuracy adalah dengan nilai 76.6%, untuk Precision dengan nilai  77.6% , untuk nilai recall dengan nilai 77,6%  dan untuk f1-score nilainya adalah 77.6 %. Untuk semester genap Cross-validation Accuracy nilainya adalah 75.2% , Precision dengan nilai 75.2%, recall untuk nilainya adalah 75.2% dan untuk f1-score nilainya adalah  75.2%.

Referensi

D. Prasetyawan, R. Gatra, K. Kunci, P. Akademik, and K. Pearson, "Algoritma K-Nearest Neighbor untuk Memprediksi Prestasi Mahasiswa Berdasarkan Latar Belakang Pendidikan dan Ekonomi," Jurnal Informatika Sunan Kalijaga, vol. 7, no. 1, 2022.

W. Lastari, "Penerapan Data Mining Untuk Memprediksi Prestasi Siswa SMA Pada Dinas Pendidikan Provinsi Jambi," vol. 8, no. 2, 2023.

S. Nuraeni, S. P. A. Syam, M. F. Wajdi, B. Firmansyah, and M. Malkan, "Implementasi Metode K-NN Untuk Menentukan Jurusan Siswa di SMAN 02 Manokwari," G-Tech: Jurnal Teknologi Terapan, vol. 7, no. 1, pp. 89–95, 2023, doi: 10.33379/gtech.v7i1.1905.

S. Widaningsih and S. Yusuf, "Penerapan Data Mining Untuk Memprediksi Siswa Berprestasi Dengan Menggunakan Algoritma K Nearest Neighbor," Jurnal Teknik Informatika Dan Sistem Informasi, vol. 9, no. 3, 2022.

D. Supriadi, E. Suryana, J. Meranti Raya Nomor, and S. Lebar Bengkulu, "Penerapan K-Nearest Neighbor Untuk Klasifikasi Tingkat Kelulusan Pada Siswa SMA Negeri 11 Kota Bengkulu," Jurnal Media Infotama, vol. 19, no. 2, 2023.

K. Taunk, S. De, S. Verma, and A. Swetapadma, "Optimization Strategies for the k-Nearest Neighbor Classifier," SN Computer Science, vol. 2, no. 4, 2021.

J. Chung and K. Lee, "Credit Card Fraud Detection: An Improved Strategy for High Recall Using KNN, LDA, and Linear Regression," Sensors, vol. 23, no. 18, pp. 7788, 2023.

I. Markoulidakis, I. Rallis, I. Georgoulas, G. Kopsiaftis, A. Doulamis, and N. Doulamis, "Multiclass Confusion Matrix Reduction Method and Its Application on Net Promoter Score Classification Problem," Technologies, vol. 9, no. 4, 2021, doi: 10.3390/technologies9040081.

S. Uddin, I. Haque, H. Lu, M. A. Moni, and E. Gide, "Comparative performance analysis of k-nearest neighbour (KNN) algorithm and its different variants for disease prediction," Sci. Rep., vol. 12, no. 1, pp. 1-11, 2022, doi: 10.1038/s41598-021-03233-3.

S. Kasus, K. Barat, Desti, P. Sari, S. Shofia Hilabi, and A. Hananto, "Penerapan Data Mining Metode K-Nearest Neighbor Untuk Memprediksi Kelulusan Siswa Sekolah Menengah Pertama," SMARTICS J., vol. 9, no. 1, pp. 14-19, 2023, doi: 10.21067/smartics.v9i1.8088.

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Ryano Fadillah, J., & Pradana, R. (2024). IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBORS DALAM MENENTUKAN KATEGORI PRESTASI SISWA BERDASARKAN NILAI AKADEMIK. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 426–434. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1323

Terbitan

Vol 3 No 2 (2024): Prosiding SENAFTI Ke-5 September 2024 (In Progress)

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2024 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 3 > >>