Sistem Penjurusan IPA/IPS Menggunakan Algoritma K-Nearest Neighbor Pada SMA Muhammadiyah 13 Jakarta

Bayu Agung Rahmadi, Mufti Mufti

Abstract


Saat ini perkembangan teknologi dan informasi sangat pesat di era globalisasi, banyak manfaat yang telah membuat pekerjaan manusia lebih mudah dengan teknologi, salah satunya dengan pemanfaatan data mining. Data Mining merupakan proses ataupun kegiatan untuk mengumpulkan data yang berukuran besar kemudian mengekstraksi data tersebut menjadi informasi – informasi yang nantinya dapat digunakan. SMA Muhammadiyah 13 Jakarta merupakan salah satu Sekolah Menengah Atas Negeri di Kota Jakarta yang sudah menerapkan Kurikulum 2013 pada saat menentukan penjurusan. Dimana pada Kurikulum 2013 ini proses untuk menentukan jurusan dilakukan pada saat peserta didik memasuki tahun ajaran pertamanya di kelas X. Dalam proses penentuan jurusan, Bagian Kurikulum masih menggunakan cara manual yaitu dengan melakukan suatu perhitungan dengan beberapa pertimbangan dari para guru koordinator jurusan dan guru BK yang memerlukan banyak waktu dan dianggap tidak efisien. Selanjutnya proses penentuan jurusan, Bagian Kurikulum masih menggunakan cara perhitungan rata-rata penjurusan siswa dengan menggunakan Microsoft Excel . Tujuan dari penelitian ini adalah untuk membantu SMA Muhammadiyah 13 Jakarta dalam menentukan jurusan siswa-siswinya dengan konsep menggali informasi yang terdapat pada suatu data yang besar, pendekatan data mining diharapkan dapat menjawab permasalahan tersebut. Penulis menggunakan metode K - Nearest Neighbor dengan pengukuran jarak Euclidean Distance dan pengurutan menggunakan Insertion Sorting untuk mengklasifikasikan siswa ke dalam dua jurusan yaitu IPA dan IPS. K - Nearest Neighbor merupakan salah satu metode klasifikasi yang menghitung jarak terdekat untuk mengklasifikasikan objek baru berdasarkan kedekatannya dengan objek lama yang sudah diklasifikasikan sebelumnya. Sistem ini dapat memprediksi siswa terkait untuk menentukan jurusan. Waktu yang dibutuhkan dalam proses penentuan jurusan terbilang cukup cepat, yaitu hanya membutuhkan waktu paling lama 50.093 detik dengan jumlah data 306 record pada tahun ajaran 2017/2018.

Kata Kunci: Data Mining, klasifikasi, K-Nearest Neighbor, Euclidean Distance, Penjurusan


Full Text:

PDF

References


Kemendikbud_RI, “Permendikbud RI Nomor 81A tahun 2013 tentang Implementasi Kurikulum,” p. 88, 2013.

Obbie Kristanto, “Penerapan Algoritma Klasifikasi Data Mining Id3 Untuk Menentukan Penjurusan Siswa SMAN 6,” pp. 6–7, 2013.

H. Leidiyana, “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor,” J. Penelit. Ilmu Komputer, Syst. Embed. Log., vol. 1, no. 1, pp. 65–76, 2013.

Y. S. Nugroho and S. N. Haryati, “Klasifikasi dan Klastering Penjurusan Siswa SMA Negeri 3 Boyolali,” Khazanah Inform., vol. 1, no. 1, pp. 3–8, 2015.

S. M. A. P. Banjarbaru, “Penerapan Metode Learning Vector Quantization ( Lvq ) Pada Prediksi Jurusan Di,” vol. 4, no. 1, pp. 11–20, 2016.

K. Latifah, “Kombinasi Algorithma K-NN dan Manhattan Distance untuk Menentukan Pemenang Lelang,” pp. 49–58.

R. K. Niswatin, “Penempatan Jurusan Mahasiswa Baru Menggunakan Metode K-Nearest,” vol. 1, no. 1, pp. 55–67, 2013.

A. Sulistyo, “Penentuan Jurusan Sekolah Menengah Atas Menggunakan Metode K-Nearest Neighbor Classifier Pada SMAN 16 Semarang,” pp. 1–5, 2015.

“No Title,” 2017.

Sillueta, “IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI KELULUSAN Perpustakaan Universitas Budi Luhur,” vol. 1, no. Huda 2010, 2013.

J. Han, M. Kamber, and J. Pei, Data Mining Concepts and Techniques. 2012.

F. Gorunescu, Data Mining: Concepts, Models and Techniques. 2011.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Seminar Nasional Sains dan Teknologi Informasi (SENSASI)