Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pekanbaru

A'yuniyah, Qurotul A'yuniyah; Reza, Muhammad

doi:10.57152/ijirse.v3i1.484

Cited by 2 publications

(2 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Maka dari itu, pada penelitian ini clustering lebih tepat untuk menyelesaikan permasalahan tersebut. Clustering pada data mining sendiri terdapat beberapa algoritma yang dapat dipergunakan untuk menyelesaikan permasalahan, salah satunya adalah algoritma K-Means [14], [15].…”

Section: Pendahuluanunclassified

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Setiawan,

Triayudi

2024

JoSYC

View full text Add to dashboard Cite

Senior High School is the last level that must be taken before continuing education at a higher level such as a Diploma or Bachelor's degree. Where in general high schools have class majors for students who will move up to class XI from class Improving the quality of education carried out in the class majoring process means that students will be more focused in accordance with the field of interest of the major that the student/I should take. The process that occurs in determining majors is only based on the wishes expressed by the students without taking into account the academic grades of the subjects that the students have passed or completed in class X. This problem is not a small problem that should be ignored, it This is an important problem that must be resolved immediately because if the problem is not resolved immediately it will have lasting impacts later. The process of determining the division of majors for students can be seen based on the patterns or values of previous students. Data mining is a process used to complete processing of large data. The data that is processed is a collection of data that becomes Big Data from past data that is stored in a storage container and can then be reused by processing it. Clustering is an appropriate way to solve problems. Where in clustering grouping is carried out based on the distance to each data object. The K-Means algorithm is part of Clustering Data Mining, where this algorithm can be used to carry out new groupings based on how clusters are formed. From the results obtained, there are 2 (two) new formation clusters. In cluster 1 there are 9 (nine) students and in cluster 2 there are 6 (six) students.

show abstract

Section: Pendahuluanunclassified

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Setiawan,

Triayudi

2024

JoSYC

View full text Add to dashboard Cite

show abstract

“…yang berjudul "Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di SMA Negeri 15 Pekanbaru" yang bertujuan untuk membantu proses penjurusan siswa yang memiliki permasalahan. Hasil penelitiannya menunjukkan validasi dalam menguji prediksi dan nilai akurasi maka diperoleh hasil bahwa algoritma KNN memiliki akurasi yang tinggi dengan presentase 93.52% [3]. Selanjutnya penelitian Muhammad Rhosyid Akhmad dkk.…”

unclassified

K-Nearest Neighbor Algorithm for Classification Inaccuracy in Payment of SPP Money

Anggraeni,

Kusrini,

Arief

2024

JTECS

View full text Add to dashboard Cite

SMK Ma’arif Salam merupakan salah satu lembaga pendidikan swasta dibawah LP Maarif. SMK Ma’arif Salam dalam pembiayaan operasional sekolah sebagian besar dibebankan kepada siswa, terutama dalam pembayaran SPP. Pada umumnya pembayaran SPP diterapkan sekolah swasta dimana pembiayaan dibebankan pada setiap siswa. Karena sekolah swasta bertanggung jawab mengelola pendidikan dalam kebijakan lokal. Berbeda dengan sekolah negeri, biayanya telah ditanggung oleh pemerintah/negara. Penelitian ini menggunakan Algoritma K-Nearest Neighbor. Dengan menggunakan Algoritma K-Nearest Neighbor dengan jarak k=3 sehingga didapatkan dataset murni. Klasifikasi dilakukan dengan membagi data training dan data testing dengan perbandingan 80% : 20% maka dihasilkan data training sebanyak 406 dan data testing sebanyak 102. Pemrosesan data dilakukan dengan Algoritma K-Nearest Neighbor dalam proses validasi sehingga dapat diperoleh hasil akurasi. Perhitungan dengan menggunakan algoritma K-Nearest Neighbor memperoleh hasil akurasi sebesar 82.35%.

show abstract

Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pekanbaru

Cited by 2 publications

References 10 publications

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

K-Nearest Neighbor Algorithm for Classification Inaccuracy in Payment of SPP Money

Contact Info

Product

Resources

About