<![CDATA[Pemilihan mata pelajaran pemintaan di Sekolah Menengah Atas merupakan proses penting yang mempengaruhi perkembangan akademik dan karier siswa, namun masih sering dilakukan secara subjektif. Penelitian ini mengusulkan sistem prediksi pemintaan berbasis Data Mining menggunakan pendekatan multi-label classification, sehingga siswa dapat direkomendasikan lebih dari satu pemintaan yang sesuai. Dua algoritma yang dibandingkan adalah C4.5 dan K-Nearest Neighbor (K-NN) dengan memanfaatkan data nilai rapor, hasil tes IQ, gaya belajar, dan tipe kepribadian siswa kelas X SMAN 95 Jakarta. Hasil pengujian menunjukkan bahwa K-Nearest Neighbor (K-NN) menghasilkan akurasi lebih tinggi sebesar 95%, sedangkan C4.5 memiliki performa yang kompetitif serta keunggulan dalam interpretabilitas melalui model pohon keputusan. Secara komparatif, K-NN lebih unggul dalam aspek prediksi, sementara C4.5 lebih mendukung pengambilan keputusan yang mudah dipahami. Sistem kemudian diimplementasikan dalam bentuk aplikasi web untuk membantu guru Bimbingan Konseling dalam memberikan rekomendasi pemintaan yang lebih objektif dan fleksibel. Temuan ini menunjukkan bahwa pendekatan multi-label classification efektif dalam merepresentasikan kompleksitas preferensi siswa]]>
Copyrights © 2026
