Syntax Jurnal Informatika
Vol 10 No 01 (2021): Mei 2021

Penerapan K-Nearest Neighbor Untuk Klasifikasi Tingkat Kelulusan Pada Siswa

Esty Purwaningsih (Universitas Bina Informatika)
Ela Nurelasari (Unknown)



Article Info

Publish Date
28 Jun 2021

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.

Copyrights © 2021






Journal Info

Abbrev

syntax

Publisher

Subject

Computer Science & IT

Description

Syntax Jurnal Informatika berfokus pada Rekayasa Perangkat Lunak, Teknik Kompilasi, Perancangan Basis Data, Data Mining, Teknologi Web Services, Business Intelligent, Kecerdasan Buatan, Logika Fuzzy, Computer Vision, Embedded System, Robotika, Sistem Pakar, Machine Learning, E-Commerce, Digital dan ...