Klasifikasi Penjurusan Siswa Menengah Atas Menggunakan Metode K-Nearest Neighbor

Abul Abbas Al marsi, Agung Nilogiri, Reni Umilasari

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 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. Digunakan 350 data yang di bagi menjadi dua yaitu data testing 20%dan data training 80%, Hasil dari penelitian ini didapatkan akurasi sebesar 76%, presisi 78% dan recall 96%. Akurasi tesebut didaptkan pada data training Fold K = 5 skenario 3 dengan KNN 9. Kinerja algoritma KNN cukup baik dalam Klasifikasi penjurusan, disimpulkan hasil akurasi data final mengalami peningkatan 6% hal tersebut tidak menyebabkan terjadinya overfitting atau underfitting.

Kata Kunci : Klasifikasi, K-Nearest Neighbor, Euclidean Distance, data mining, Penjurusan.

Full Text:

PDF

References


Cahayani, N. (2014). Pelaksanaan Bimbingan dan Konseling dalam Pelayanan Peminatan Akademik Kurikulum 2013 di SMAN I SookoMojokerto. Jurnal BK UNESA, 4(3).

Deekshatulu, B. L., & Chandra, P. (2013). Classification of heart disease using K-Nearest Neighbor and genetic algorithm. Procedia technology, 10, 85-94.

Hakim, L. (2017). Analisis perbedaan antara kurikulum KTSP dan kurikulum 2013. JURNAL ILMIAH DIDAKTIKA: Media Ilmiah Pendidikan dan Pengajaran, 17(2), 280-292.

Han, J., & Kamber, M. (2006). Classification and prediction. Data mining: Concepts and techniques, 347-350.

Ishak, A., Siregar, K., Ginting, R., & Afif, M. (2020). Orange Software Usage in Data Mining Classification Method on The Dataset Lenses. In IOP Conference Series: Materials Science and Engineering (Vol. 1003, No. 1, p. 012113). IOP Publishing.

Nuh, M.(2013). Kurikulum 2013. Kebudayaan, Kementrian Pendidikan. "Materi Pelatihan Guru Implementasi Kurikulum 2013."

Kristanto, O. (2014). Penerapan Algoritma Klasifikasi Data Mining ID3 Untuk Menentukan Penjurusan Siswa SMAN 6 Semarang. Universitas Dian Nuswantoro, Semarang.

Mulyasa, H.E, (2016). Pengembangan Dan Implementasi Kurikulum 2013. Bandung: Remaja Rosdakarya.http://repo.unikadelasalle.ac.id/index.php?p=show_detail&id=11179&keywords. Diakses 11 Februari 2021

Prasetyo, E., (2012). Data Mining, Konsep dan Aplikasi menggunakan Matlab, Yogyakarta: Andi Offset.

Santosa, B. (2007). Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu, 978(979), 756.

Santra, A. K., & Christy, C. J. (2012). Genetic algorithm and Confusion Matrix for document clustering. International Journal of Computer Science Issues (IJCSI), 9(1), 322.

Sikki, M. I. (2009). Pengenalan wajah menggunakan K-Nearest Neighbor dengan praproses transformasi wavelet. Paradigma, 10(2), 159-172.

Soucy, P., &Mineau, G. W. (2001, November). A simple KNN algorithm for text categorization. In Proceedings 2001 IEEE international conference on data mining. 0-7695-1119-8/01 2001 IEEE. Department of Computer Science UniversitC Laval, QuCbec, Canada.https://www.semanticscholar.org/paper/A-simple-KNN-algorithm-for-text-categorization-Soucy-Mineau/3cd7c6ae098c9634d160527c5418c824cf3a6da2. Diakses 23 Februari 2021.

Sunjana, (2010, juni). Aplikasi Mining Data Mahasiswa Dengan Metode Klasifikasi Decision Tree. ISSN: 1907-5022. Universitas Widyatama, Yogyakarta.https://journal.uii.ac.id/Snati/article/download/1857/1633. Diakses 23 Februari 2021.

Suyanto, Novarina, S. A. 2018. Klasifikasi Jenis Infeksi Berdasarkan Hasil Pemeriksaan Leukosit Menggunakan K-Nearest Neighbor (KNN). Teknologi Informasi, Universitas Sumatera Utara, Medan.

Turban, dkk. 2005. Data Mining. https://medium.com/@16611061/data-mining-d48b2389b61. Diakses 11 Februari 2021.

Wihardi. (2013). “K-Fold Cross Validation” [Online], http://blog.yayaw.web.id/riset/k-Folds-cross-validation. Diakses 22 Februari 2021.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
slot gacor slot gacor hari ini slot gacor 2025 demo slot pg slot gacor slot gacor