<![CDATA[Memperoleh pendidikan dalam diri seseorang penting untuk mencapai kesuksesan di dunia kerja. Namun, berdasarkan data Tingkat Pengangguran Terbuka (TPT) dari Badan Pusat Statistik (BPS) menunjukkan bahwa lulusan SMK tahun 2023 memiliki tingkat pengangguran yang lebih tinggi daripada jenjang pendidikan yang lain. Data mining digunakan untuk menemukan pola dari faktor yang mempengaruhi siswa mendapat pekerjaan. Pemilihan algoritma K-Nearest Neighbor (K-NN) karena sifatnya yang sederhana dan efektif pada data kecil hingga sedang. Untuk itu dilakukan penelitian dengan tujuan mengklasifikasikan kemampuan lulusan siswa di SMK “SORE” Tulungagung dalam bersaing untuk mendapatkan pekerjaan. Penelitian ini dilakukan dengan metode Knowledge Discovery in Database (KDD) menggunakan data nilai siswa dan data penelusuran pekerjaan siswa SMK "SORE" Tulungagung lulusan tahun ajaran 2022/2023 dengan 16 atribut nilai mata pelajaran yang berbeda. Data tersebut digunakan untuk mengklasifikasikan siswa menjadi "Mampu" atau "Belum Mampu" dalam penentuan pekerjaan. K-Nearest Neighbor (K-NN) diterapkan dengan variasi nilai k dan ukuran data tes. Kemudian dilakukan pengujian dengan k-fold cross validation untuk melihat konsistensi hasil dari model algoritma klasifikasi yang digunakan. Hasil perbandingan data asli dengan data prediksi didapatkan model K-NN dengan tingkat akurasi tertinggi, yaitu pembagian data latih dan uji 90%:10% dengan nilai tetangga (k) = 5 dapat memprediksi label cukup baik. Namun ada perbedaan pada data prediksi, model memprediksi lebih sedikit siswa yang "Mampu" dan lebih banyak siswa yang "Belum Mampu" daripada data aktual. Hasil model data mining setelah pengujian k-fold cross validation didapatkan menggunakan 10-fold memiliki hasil yang lebih baik daripada 5-fold, dengan accuracy sebesar 59,83%, precision sebesar 57,22%, recall sebesar 64,10%, dan f1-score sebesar 60,10%.]]>
