RANCANG BANGUN APLIKASI DATA MINING PREDIKSI KELULUSAN UJIAN NASIONAL MENGGUNAKAN ALGORITMA (KNN) K-NEAREST NEIGHBOR DENGAN METODE EUCLIDEAN DISTANCE PADA SMPN 2 PAGEDANGAN

Sri Mulyati, Syepry Maulana Husein, Ramdhan Ramdhan

Abstract


Dengan meningkatnya kualitas pendidikan di Indonesia sangat mempengaruhi nilai standar kelulusan Ujian Nasional (UN) untuk tingkat Sekolah Menengah Pertama (SMP) yang semakin tinggi. SMPN 2 Pagedangan merupakan salah satu SMP yang akan melaksanakan Ujian Nasional yang diselenggarakan oleh pemerintah. Dengan ini pihak sekolah melakukan persiapan untuk menghadapi Ujian Nasional dengan mengadakan ujian Tryout. Ujian Tryout merupakan salah satu cara guru untuk membantu para siswa siswi dalam mempersiapkan diri untuk menghadapi Ujian Nasional. Maka dari itu ujian Tryout bisa menjadi tolak ukur para siswa siswi dalam menghadapi Ujian Nasional dengan  baik dan mendapatkan nilai yang bagus. Jika siswa siswi mendapatkan nilai Tryout nya yang tidak melampaui standar yang ditentukan, maka pihak sekolah harus cepat mengambil tindakan dengan membuat solusi lain yang tepat bagi siswa siswi nya.  Dari hasil Tryout tersebut, para guru masih kesulitan untuk memprediksi kelulusan Ujian Nasional setiap tahunnya. Dikarenakan belum ada aplikasi yang menggunakan teknik untuk memprediksi yang ada untuk meningkatkan kelulusan ujian nasional. Dengan adanya masalah tersebut, maka ada solusi terbaik yang dapat membantu pihak sekolah dalam memprediksi kelulusan Ujian Nasional. Algoritma K-Nearest Neighbor dengan metode Euclidean Distance  (pengukuran jarak)  akan sangat membantu dalam masalah efisiensi waktu dan efektif dalam memprediksi kelulusan Ujian Nasional. Atribut yang digunakan dalam prediksi dan klasifikasi ini adalah nilai Tryout sedangkan atribut pada siswa yang digunakan adalah NIS, Nama, Ipa1, dan IPA2. Dengan menggunakan nilai Tryout siswa siswi 3 tahun terakhir yang berjumlah  744 data. Setelah data tersebut diproses akan menghasilkan rata-rata akurasi sebesar  88.42%. Menggunakan nilai k yaitu 7 rata-rata akurasi  96.26%, presisi 96.17%, dan recall sebesar   97.32%. Dengan ini dapat disimpulkan bahwa dari pengujian yang telah dilakukan dengan menggunakan dataset siswa siswi SMPN 2 Pagedangan angkatan, 2016/2017, 2017/2018, 2018/2019 sistem dapat memprediksi dan mengklasifikasikan dengan baik dan cepat.


Full Text:

PDF

References


Destriana, R., Permana, A, A., Legawa, S, D,. dan Irawan, H. 2019, Security system development for vehicle using the method of “mail notification” at villa Rizki Ilhami Tangerang residential, IOP Conference Series: Materials Science and Engineering 012124, Vol 508 No 1, IOP Publishing doi:10.1088/1757-899X/508/1/012124

Gorunescu, F. 2011. Data Mining Concept Model and Techniques. Berlin: Springer. ISBN 978-3-642-19720-8

Han J, Dkk 2012 Data Mining: Concepts And Techniques, 3rd Edition

Lukman, K. U. S. bin and Labellapansa, A. 2015 Analisa Nilai Limda Model Jarak Minkowsky Untuk Penentuan Jurusan SMA (Studi Kasus di SMA Negeri 2 Tualang)’, Jurnal Teknik Informatika dan Sistem Informasi

Mustakim, Giantika Oktaviani F, 2016 Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa. Jurnal Sains, Teknologi dan Industri, Vol. 13, No.2, Juni 2016, pp.195 - 202 ISSN 1693-2390

Pressman, Ph.D.Roger S. 2010. Pendekatan Praktisi Rekayasa Perangkat Lunak. Edisi 7. Penerbit Andi. Yogyakarta.

R. Taufiq dan A. A. Permana, 2018, “Sistem Pendukung Keputusan Penerimaan Karyawan Menggunakan Simple Additive Weighting Studi Kasus PT. Trafoindo Prima Perkasa,” J. Al-AZHAR Indonesia. SERI SAINS DAN Teknol., vol. 4, no. 4, hlm. 186–194.

Siburian Beni, 2014 Aplikasi Data Mining Untuk Menampilkan Tingkat Kelulusan Mahasiswa Dengan Algoritma Apriori. Pelita Informatika Budi Darma, Vol. 8, No. 2, Agustus 2014, ISSN : 2301-9425Pressman, Ph.D.Roger S. 2010. Pendekatan Praktisi Rekayasa Perangkat Lunak. Edisi 7. Penerbit Andi. Yogyakarta




DOI: http://dx.doi.org/10.31000/jika.v4i1.2288

Article Metrics

Abstract - 1664 PDF - 1406

Refbacks





 

CURRENT INDEXING