<![CDATA[Prediksi kelulusan merupakan salah satu upaya yang dapat dilakukan untuk mendukung pengambilan keputusan dalam bidang pendidikan, khususnya dalam mengidentifikasi peserta didik yang berpotensi mengalami kendala dalam mencapai hasil akademik yang optimal. Pemanfaatan data akademik yang tersimpan dalam jumlah besar memungkinkan penerapan teknik data mining untuk menemukan pola dan hubungan antarvariabel yang berkaitan dengan keberhasilan studi. Penelitian ini bertujuan untuk menganalisis kinerja algoritma K-Nearest Neighbor (KNN) dalam memprediksi status kelulusan berdasarkan data akademik menggunakan bahasa pemrograman Python. Dataset yang digunakan adalah Student Performance Dataset yang diperoleh dari platform Kaggle dan dipublikasikan oleh Ghada Alaa ElSayed pada Januari 2026. Dataset terdiri dari 25.000 record dengan 16 atribut yang mencakup informasi demografi, aktivitas belajar, tingkat kehadiran, serta capaian akademik. Sebelum proses klasifikasi dilakukan, data melalui tahapan preprocessing yang meliputi pembentukan label kelulusan, data cleaning, label encoding, normalisasi data menggunakan metode Min-Max Scaling, serta pembagian data menjadi data latih dan data uji dengan proporsi 80:20. Model KNN dibangun menggunakan pustaka Scikit-Learn dan diuji menggunakan beberapa nilai parameter K dalam rentang 1 hingga 20 untuk memperoleh konfigurasi model terbaik. Evaluasi kinerja model dilakukan menggunakan metrik Accuracy, Precision, Recall, F1-Score, dan Confusion Matrix. Hasil penelitian menunjukkan bahwa nilai parameter terbaik diperoleh pada K=1 dengan tingkat akurasi sebesar 95,20%. Selain itu, model menghasilkan nilai Precision sebesar 93%, Recall sebesar 93%, dan F1-Score sebesar 93%. Hasil tersebut menunjukkan bahwa algoritma K-Nearest Neighbor memiliki kemampuan yang baik dalam mengklasifikasikan status kelulusan berdasarkan data akademik. Dengan tingkat akurasi yang tinggi dan performa klasifikasi yang stabil, model yang dihasilkan berpotensi digunakan sebagai alat pendukung dalam proses pemantauan, evaluasi, dan pengambilan keputusan yang berkaitan dengan pencapaian akademik.]]>
Copyrights © 2026
