<![CDATA[Penelitian ini bertujuan untuk membandingkan kinerja dua metode prediksi, yaitu Monte Carlo dan K-Nearest Neighbors (K-NN), dalam memprediksi nilai peserta didik pada Uji Kompetensi Kejuruan (UKK). Monte Carlo dikenal sebagai metode statistik yang menggunakan simulasi acak untuk menghasilkan hasil prediktif, sementara K-NN adalah metode pembelajaran mesin yang menggunakan tetangga terdekat untuk klasifikasi dan regresi. Dalam penelitian ini, data nilai peserta didik dikumpulkan dan dibagi menjadi data latih dan data uji. Akurasi prediksi dari kedua metode tersebut dihitung dan dibandingkan. Hasil penelitian menunjukkan bahwa metode Monte Carlo memberikan akurasi prediksi sebesar 85,26%, sedangkan metode K-NN memberikan akurasi prediksi sebesar 85,37%. Dengan demikian, K-NN sedikit lebih unggul dalam hal akurasi prediksi dibandingkan Monte Carlo. Penelitian ini memberikan wawasan berharga dalam memilih metode prediksi yang lebih efektif untuk evaluasi nilai peserta didik pada UKK.]]>
Copyrights © 2024
