Article Per Year (5 Year)
p-Index From 2021 - 2026
1.286
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Cakrawala : Jurnal Humaniora Bina Sarana Informatika Paradigma Bina Insani ICT Journal Information Management For Educators And Professionals (IMBI) KOMPUTIKA - Jurnal Sistem Komputer JATI (Jurnal Mahasiswa Teknik Informatika) Reputasi: Jurnal Rekayasa Perangkat Lunak SPEED - Sentra Penelitian Engineering dan Edukasi JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Ela Nurelasari
Unknown Affiliation
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Syntax Jurnal Informatika

 1 
Penerapan K-Nearest Neighbor Untuk Klasifikasi Tingkat Kelulusan Pada Siswa Esty Purwaningsih; Ela Nurelasari
SYNTAX Jurnal Informatika Vol 10 No 01 (2021): Mei 2021
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tingkat ‘kelulusan pada siswa salah satunya terbentuk dari hasil pencapaian kinerja siswa dalam suatu pembelajaran. Prediksi dari tingkat kelulusan berdasarkan kinerja siswa bermanfaat untuk menganalisa siswa yang kurang berprestasi dalam kegiatan akademik dan juga dapat memberikan dukungan pada siswa yang mengalami kesulitan saat pembelajaran. Terdapat faktor yang menjadi pertimbangan dalam memprediksi tingkat kelulusan siswa diantaranya nilai akademik, sikap dan juga faktor sosial. namun itu saja tidak cukup untuk dijadikan faktor dalam memprediksi kinerja siswa. Para pengajar pun belum efektif untuk memilah faktor mana yang mempengaruhi kinerja siswa.Predikat prestasi terhadap kinerja siswa diperoleh dari hasil sebuah prediksi. Prediksi ‘dilakukan dengan ‘menggunakan metode K-Nearest Neighbor (KNN). K-Nearest Neighbor sering digunakan pada klasifikasi ‘kinerja siswa karena kesederhanaannya juga dapat memberikan hasil yang signifikan dan kompetitif.Hasil dari prediksi tingkat kelulusan siswa dengan metode KNN didapat rata-rata akurasi dengan nilai sebesar 96,49%. Pengolahan data ‘dilakukan dengan ‘menggunakan tools rapid miner. Output dari implementasi pada ‘prediksi ‘tingkat ‘kelulusan dapat ‘dijadikan sebagai ‘acuan bagi siswa untuk ‘meningkatkan ‘prestasi dan predikat studi ‘lanjut dimasa yang akan datang.
Co-Authors Ahmad Al Kaafi Algani, Ahmad Artika Surniandari Esty Purwaningsih Gumilang Al Farabi, Difa Junian Tamba, Hiskia Lisda Widiastuti Nisawa Dewi Paramita - AMIK BSI Jakarta Rifki Azmi - UBSI Taat Kuspriyono, Taat