In this study aims to compare the performance of several classification algorithms namely C4.5, Random Forest, SVM, and naive bayes. Research data in the form of JISC participant data amounting to 200 data. Training data amounted to 140 (70%) and testing data amounted to 60 (30%). Classification simulation using data mining tools in the form of rapidminer. The results showed that . In the C4.5 algorithm obtained accuracy of 86.67%. Random Forest algorithm obtained accuracy of 83.33%. In SVM algorithm obtained accuracy of 95%. Naive Bayes' algorithm obtained an accuracy of 86.67%. The highest algorithm accuracy is in SVM algorithm and the smallest is in random forest algorithm

No abstract

<em>Persaingan adalah bagian dari indikator yang menjadikan sebuah sekolah kejuruan menjadi yang terbaik. Semakin banyaknya siswa yang mengikuti kompetisi tentunya akan berdampak positif bagi sekolah kejuruan itu sendiri. Proses seleksi harus dilakukan karena banyaknya kriteria yang harus dipenuhi oleh siswa sebelum mereka dinyatakan siap bersaing baik secara teori maupun praktek sehingga diperlukan suatu sistem pendukung keputusan yang dapat merekomendasikan calon siswa yang mengikuti lomba kompetensi siswa. Dalam penelitian ini, proses penentuan kandidat peserta lomba kompetensi siswa akan dibahas dengan menganalisis dua metode yaitu metode Weighted Product (WP) dan metode Technique for Order by Similarity to Ideal Solution (TOPSIS) dimana kedua metode akan menganalisis perbandingan dengan masing-masing metode. Selanjutnya menggunakan Euclidean Distance dan pembobotan kriteria Skala Likert untuk menganalisis seberapa besar perbedaan antara kedua metode tersebut. Selain itu, kompleksitas algoritma antara kedua metode dianalisis. Hasil analisis perbandingan menunjukkan bahwa metode WP dengan nilai 0,14281 merupakan metode yang sangat baik karena nilai jaraknya hampir nol dibandingkan dengan metode TOPSIS dengan nilai 0,51238.</em>