<![CDATA[Pemilihan calon penerima beasiswa yang tepat merupakan faktor krusial dalam mendukung pemerataan akses pendidikan dan menjamin keadilan distribusi bantuan. Dalam praktiknya, proses seleksi masih sering dilakukan secara manual, sehingga berpotensi menimbulkan subjektivitas, inkonsistensi, serta rendahnya akurasi dalam pengambilan keputusan. Penelitian ini mengusulkan penerapan teknik data mining untuk meningkatkan objektivitas dan ketepatan seleksi melalui metode K-Nearest Neighbor (K-NN) dengan dukungan aplikasi Orange sebagai alat analisis. Data yang dianalisis meliputi beberapa variabel utama, yaitu jenis kelamin, pekerjaan orang tua, serta tingkat penghasilan orang tua sebagai faktor pendukung dalam proses pengolahan dan klasifikasi data., serta status kelayakan sebagai variabel target klasifikasi. Tahapan penelitian meliputi praproses data, seleksi atribut, pembagian data latih dan data uji, pembangunan model klasifikasi, serta evaluasi performa menggunakan metrik akurasi. Sebagai perbandingan, metode Decision Tree juga diterapkan guna menguji efektivitas relatif model. Hasil analisis menunjukkan bahwa K-NN memberikan tingkat akurasi sangat tinggi dengan kesalahan klasifikasi minimal akibat kemiripan karakteristik ekonomi, sehingga efektif sebagai sistem pendukung keputusan seleksi beasiswa yang objektif dan andal agar dapat menjadi bahan pertimbangan sekolah untuk mengelompokan calon penerima beasiswa.]]>
Copyrights © 2026
