<![CDATA[Model K-Nearest Neighbor menunjukkan potensi yang kuat dalam klasifikasi guru berprestasi, dengan beberapa pertimbangan penting terkait pemilihan atribut, metode pengukuran jarak, dan strategi pengolahan data besar. efektivitas KNN juga dapat dikuatkan dengan analisis jarak yang digunakan dalam pengklasifikasian dalam melihat prestasi guru terbaik di sekolah. Dalam analisis kelayakan model KNN untuk klasifikasi guru berprestasi. Penentuan guru terbaik harus dilakukan secara objektif dan komprehensif, menggabungkan penilaian terhadap motivasi, dedikasi, loyalitas, dan profesionalisme, terutama dalam era teknologi 4.0. Namun, selama ini penilaian yang dilakukan kepala sekolah cenderung subyektif dan berdasarkan pengamatan sendiri, sehingga tidak optimal. Untuk mengatasi masalah ini, dibangun sebuah sistem pendukung keputusan berbasis metode K-Nearest Neighbor (K-NN) yang membantu proses penilaian guru secara lebih akurat dan objektif. Dengan menggunakan metode K-Nearest Neighbor (KNN), sistem ini dirancang untuk membantu menentukan kelolosan sertifikasi guru secara objektif dan efisien berdasarkan parameter seperti masa kerja, usia, golongan, beban kerja, tugas tambahan, dan prestasi. Hasil penelitian ini menunjukkan penilaian prestasi guru, terutama ketika data yang tersedia cukup lengkap dan representatif, sehingga dapat membantu pengambilan keputusan secara objektif dan sistematis. Sistem ini diharapkan dapat meningkatkan keadilan dan efisiensi dalam menentukan guru yang berpotensi terbaik. hasil analisis dari model klasifikasi KNN ini diharapkan dapat mengatasi permasalahan ketidakadilan dan mempercepat proses pengambilan keputusan sertifikasi guru secara otomatis.]]>
Copyrights © 2025
