KLASIFIKASI PENERIMA BANTUAN BEASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DENGAN SELEKSI FITUR BACKWARD ELIMINATION

Ikrimatul Wilda Lorenza (Universitas Muhammadiyah Jember)
Reni Umilasari
Moh Dasuki

Jurnal Aplikasi Sistem Informasi dan Elektronika
Vol 3, No 1 (2021): JASIE

Penelitian ini menjelaskan penggunaan algoritma K-Nearest Neighbor terhadap klasifikasi  data bantuan beasiswa. Dataset yang digunakan dalam penelitian ini berasal dari SMK Darus Sholihin Puger dengan jumlah variabel 11, dengan output iya dan tidak yang diperoleh dari data bantuan beasiswa sebanyak 293 siswa, metode yang digunakan adalah K-Nearest Neighbor. Pada metode K-Nearest Neighbor dengan  nilai K= 3 mendapatkan akurasi sebesar 82,91%, presisi  84,52%, dan recall 75,45%. Sedang K-Nearest Neighbor menggunakan Backward Elimination dengan nilai K= 3 mendapatkan akurasi sebesar  83,76%, presisi 85,23%, recall 76,78%. Penentuan kriterian terhadap output data hasil menggunakan algoritma K-Nearest Neighbor terhadap data SMK Darus Sholihin Puger diperoleh hasil peningkatan terbaik dengan nilai akurasi terbesar pada K= 7 yaitu 2,56%, presisi terbesar didapatkan pada K= 7 yaitu 11,16%, sedangkan recall terbesar didapatkan pada K= 9 yaitu 5,09%.