<![CDATA[Penelitian ini difokuskan pada pengembangan aplikasi desktop offline berbasis algoritma K-Nearest Neighbour (KNN) yang dirancang untuk mengatasi permasalahan objektivitas dan efisiensi dalam seleksi awal calon peserta Olimpiade Sains Nasional (OSN) di SMP Negeri 2 Rendang. Fenomena ini diidentifikasi sebagai dampak dari proses seleksi konvensional yang cenderung manual, subjektif, dan belum memanfaatkan rekam jejak akademik siswa secara longitudinal. Guna menciptakan sistem pendukung keputusan yang terukur, aplikasi ini mengklasifikasikan kecenderungan akademik siswa dengan mengintegrasikan 12 fitur kuantitatif yang terdiri dari data nilai rapor tiga semester (IPA, IPS, dan Matematika) serta riwayat kejuaraan lomba. Penelitian Research and Development (R&D) ini mengadopsi model ADDIE (Analysis, Design, Development, Implementation, Evaluation), dengan membangun ekosistem komputasi luring menggunakan bahasa Python, pustaka Scikit-Learn untuk mesin inferensi, serta CustomTkinter untuk antarmuka pengguna grafis. Keandalan algoritma divalidasi melalui pengujian K-Fold Cross Validation (k=3), di mana model dengan parameter tetangga terdekat k=5 terbukti memperoleh performa yang sangat superior dengan akurasi 94,94%, presisi 95,61%, sensitivitas (recall) 94,94%, dan F1-Score 94,85%. Evaluasi fungsionalitas dan efektivitas sistem melalui pengujian Blackbox dan User Acceptance Testing (UAT) terhadap 12 guru pembina OSN mencetak indeks kelayakan akumulatif sebesar 96,11% dengan predikat "Sangat Layak". Didukung oleh hasil komputasional dan aklamasi pengguna, sistem ini dinyatakan sangat layak dan efektif diimplementasikan sebagai instrumen penyaringan awal yang objektif, transparan, dan murni berbasis data.]]>
Copyrights © 2026
