¬¬¬¬KLASIFIKASI PENJURUSAN DENGAN K-NEAREST NEIGHBOR PADA SMA MARDI YUANA KOTA SUKABUMI

• PAULUS NUGRAHA
• 2019

---

­­­­ABSTRAK

Paulus Nugraha (19180849),  Klasifikasi Penjurusan Dengan K-Nearest Neighbor Pada SMA Mardi Yuana Kota Sukabumi.

Penentuan jurusan adalah masalah yang sangat penting karena berpengaruh pada pemilihan perguruan tinggi. Penggunaan nilai akademik calon peserta didik dapat dijadikan tolak ukur yang sederhana untuk menentukan potensi akademik. Namun hal ini tidak semata-mata mendasari potensi calon peserta didik, karena akan menimbulkan ketidaksesuaian minat dan bakat calon peserta didik yang dapat mempengaruhi proses belajar secara optimal. Selain itu proses yang telah ada juga membutuhkan proses penentuan yang relatif lama dengan jumlah peserta didik yang banyak. Untuk itu diperlukannya pendekatan menggunakan algoritma K-Nearest Neighbor untuk menentukan penjurusan berdasarkan tingkat kecerdasan calon peserta didik. Sekolah Menengah Atas (SMA) Mardi Yuana Sukabumi memiliki siklus dalam pengambilan jurusan ketika awal penerimaan peserta didik baru. Kebanyakan penentu penjurusan hanya berdasarkan 3 faktor. Pertama yaitu berdasarkan referensi orang tua calon peserta didik. Kedua, pemilihan jurusan didasarkan pada ikut-ikutan teman dan berdasarkan tren jurusan masa kini. Faktor ketiga yaitu prestasi akademik calon peserta didik itu sendiri. Penentuan penjurusan berdasarkan ketiga faktor tersebut tentunya akan membuat penyesalan bagi calon peserta didik yang penjurusannya tidak sesuai dengan bakat, minat serta kesukaan mereka terhadap jurusan tersebut. Untuk mewujudkan hal tersebut maka perlu dibuat pendekatan untuk memperoleh hasil yang akurat. Pendekatan yang dilakukan adalah dengan menggunakan Algoritma K-Nearest Neighbor diharapkan dengan metode tersebut dapat menghasilkan keputusan penjurusan calon peserta didik yang tepat, yaitu sesuai dengan tingkat kecerdasan calon peserta didik tersebut

ABSTRACT

Paulus Nugraha (19180849), Majors Classification with K-Nearest Neighbor at Mardi Yuana High School, Sukabumi City.

Determination of majors is a very important problem because it affects the selection of tertiary institutions. The use of prospective students' academic values ​​can be used as a simple benchmark to determine academic potential. But this is not solely based on the potential of prospective students, because it will lead to incompatibility of interests and talents of prospective students that can affect the learning process optimally. In addition the existing process also requires a relatively long determination process with a large number of students. For this reason, an approach is needed using the K-Nearest Neighbor algorithm to determine majors based on the level of intelligence of prospective students. Mardi Yuana Sukabumi High School has a cycle in making majors when the initial acceptance of new students. Most determinants of majors are only based on 3 factors. The first is based on parents' references to prospective students. Second, the selection of majors is based on joining in friends and based on current trends in majors. The third factor is the academic achievement of prospective students themselves. Determination of majors based on these three factors will certainly make regrets for prospective students whose majors are not in accordance with their talents, interests and preferences for the majors. To realize this, an approach is needed to obtain accurate results. The approach taken is to use the K-Nearest Neighbor Algorithm, which is expected to produce the right decision for the prospective students, which is in accordance with the level of intelligence of the prospective students

• Klasifikasi Penjurusan Dengan K-Nearest Neighbor

­­­­

DAFTAR PUSTAKA

Adinugroho, S., & Sari, Y. A. (2018). Implementasi Data Mining Menggunakan Weka. Malang: Universitas Brawijaya Press.

 

Azhary, R. D., & dkk. (2017). SISTEM PENDUKUNG KEPUTUSAN PENJURUSAN SISWA MAN 1 JEMBER. Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember. Diambil kembali dari http://repository.unmuhjember.ac.id/559/1/JURNAL.pdf

 

Endra, F. (2017). PEDOMAN METODOLOGI PENELITIAN: ( Statistika Praktis). Sidoarjo: Zifatama Jawara.

 

Farlina, Y., & Hudin, J. M. (2017). Indonesian Journal on Computer and Information Technology Vol.2, No. 2 November 2017, pp. 48~54 ISSN: 2527-449X E-ISSN: 2549-7421. Kajian Kepuasan Pengguna Informasi Penerimaan Peserta Didik Baru (PPDB) Online, 2. Diambil kembali dari http://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/2778

 

Fridayanthie, E. W. (2015). ANALISA DATA MINING UNTUK PREDIKSI PENYAKIT HEPATITIS DENGAN MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE. JURNAL KHATULISTIWA INFORMATIKA, VOL. 3, NO. 1 JUNI 2015, 4. Diambil kembali dari https://media.neliti.com/media/publications/280354-analisa-data-mining-untuk-prediksi-penya-ceb0fc40.pdf

 

Haryati, S., & dkk. (2015). Jurnal Media Infotama Vol. 11 No. 2, September 2015. IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: UNIVERSITAS DEHASEN BENGKULU), 4. Diambil kembali dari https://jurnal.unived.ac.id/index.php/jmi/article/view/260/239

 

Hasanah, R. L., & dkk. (2019). KLASIFIKASI PENERIMA DANA BANTUAN DESA MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR). Jurnal TECHNO Nusa Mandiri Vol. 16, No. 1 Maret 2019, 3. Diambil kembali dari http://ejournal.nusamandiri.ac.id/ejurnal/index.php/techno/article/view/1011/pdf

 

Jessica. (2017, Oktober 25). MEMAHAMI JURUSAN IPA, IPS, DAN BAHASA DI SEKOLAH. Dipetik April 14, 2019, dari Educenter: https://www.educenter.id/memahami-jurusan-ipa-ips-dan-bahasa-di-sekolah/

 

Kadafi, A. R. (2018). Jurnal ELTIKOM, Vol. 2, No. 2, Desember 2018 ISSN 2598-3245 (Print) ISSN 2598-3288 (Online). PERBANDINGAN ALGORITMA UNTUK KLASIFIKASI NILAI PADA PENJURUSAN SISWA SMA, 10.

 

 

Kartika, J. I., & dkk. (2017). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964XVol. 1, No. 5, Mei 2017, hlm. 352-360 http://j-ptiik.ub.ac.id. Penentuan Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor dan Weighted Product (Studi Kasus : SMP Negeri 3 Mejayan), 8.

 

Kurniawan, A. (2019, Januari 04). 14 Pengertian Data Mining, Fungsi, Proses, Tahapan Dan Tekniknya. Dipetik April 26, 2019, dari GURUPENDIDIKAN.COM: https://www.gurupendidikan.co.id/pengertian-data-mining-dan-konsep-juga-tahapan-proses/

 

Kustiyahningsih, K., & Syafa’ah, N. (2015). SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN PADA SISWA SMA MENGGUNAKAN METODE KNN DAN SMART, 2. Dipetik April 04, 2019, dari http://publications.aisindo.org/index.php/JSII/article/download/7/4

 

Marlius, D. (2016). PENGARUH BAURAN PEMASARAN JASA TERHADAP MINAT NASABAH DALAM MENABUNG PADA BANK NAGARI CABANG MUARALABUH. 6. Diambil kembali dari https://osf.io/preprints/inarxiv/vdqgx/download

 

Mughniy, M., & dkk. (2018). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 282-287 http://j-ptiik.ub.ac.id. Sistem Rekomendasi Psikotes untuk Penjurusan Siswa SMA menggunakan Metode Modified K-Nearest Neighbor, 2.

 

Ndaumanu, R. I., & dkk. (2014). Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa dengan Metode K-Nearest Neighbor. Jatisi, Vol. 1 No. 1 September 2014, 3.

 

Nofriansyah, D. (2015). Konsep Data Mining Vs Sistem Pendukung Keputusan. Yogyakarta: Deepublish.

 

Nofriansyah, D., & Nurcahyo, G. W. (2017). Algoritma Data Mining Dan Pengujiannya (Vol. 1). Yogyakarta, Sleman, Yogyakarta: DEEPUBLISH.

 

Nugraha, P. (2019). Data Olahan. Kota Sukabumi: SMA Mardi Yuana.

Nugraha, R. L. (2019, Maret 02). Penentuan Jurusan Siswa Pada SMA Mardi Yuana Sukabumi. (P. Nugraha, Pewawancara)

 

Prasetyo, A. (2016, September 07). Pengertian Penelitian Deskriptif Kualitatif. Dipetik April 28, 2019, dari Linguistik ID: https://www.linguistikid.com/2016/09/pengertian-penelitian-deskriptif-kualitatif.html

 

 

 

Rachmawati, S., & dkk. (2017). Penggunaan Metode CRI (Certainty Of Response Index) Berbantuan Soal PISA (Programme Of International Student Assesment) untuk Mengidentifikasi Miskonsepsi IPA Materi Tata Surya. UPEJ 6 (3) (2017) Unnes Physics Education Journal, 3. Diambil kembali dari http://journal.unnes.ac.id/sju/index.php/upej

 

Rahmat, B., & dkk. (2017). Seminar Nasional Riset Kuantitatif Terapan 2017. IMPLEMETASI K-MEANS CLUSTERING PADA RAPIDMINER UNTUK ANALISIS DAERAH RAWAN KECELAKAAN, 3. Diambil kembali dari http://ojs.uho.ac.id/index.php/snrkt2017/article/download/3251/2471

 

Riadi, M. (2017 , September 21). Pengertian, Fungsi, Proses dan Tahapan Data Mining. Dipetik September 26, 2019, dari KajianPustaka.com: https://www.kajianpustaka.com/2017/09/data-mining.html

 

Rusmardiana, A., & dkk. (2017). The 6th University Research Colloquium 2017 Universitas Muhammadiyah Magelang ISSN 2407-9189. Analisis Penentuan Jurusan Sekolah Menengah Atas berdasarkan Metode Fuzzy Tsukamoto dan Algoritma K-Nearest Neighbor (K-NN), 2.

 

Siregar, A. M., & dkk. (2016). DATA MINING: Pengolahan Data Menjadi Informasi dengan RapidMiner. Surakarta: CV Kekata Group.

 

Sulistiyo, A. (2015 ). Penentuan Jurusan Sekolah Menengah Atas Menggunakan Metode K-Nearest Neighbor Classifier Pada SMAN 16 Semarang. Jurusan Teknik Informatika, FASILKOM UDINUS, 2. Diambil kembali dari http://mahasiswa.dinus.ac.id/docs/skripsi/jurnal/15409.pdf

 

Sumarlin. (2015). Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM. Jurnal Sistem Informasi Bisnis 01(2015) On-line : http://ejournal.undip.ac.id/index.php/jsinbis, 3.

 

Tsania , R. (2016, Agustus 06). DATA MINING. Dipetik April 28, 2019, dari MASAK DATA: http://masakdata.com/data-mining/

 

Widaningsih, S. (2019). PERBANDINGAN METODE DATA MINING UNTUK PREDIKSI NILAI DAN WAKTU KELULUSAN MAHASISWA PRODI TEKNIK INFORMATIKA DENGAN ALGORITMA C4.5, NAÏVE BAYES, KNN, DAN SVM. Jurnal Tekno Insentif | ISSN (p): 1907-4964 | ISSN (e): 2655-089X | Vol. 13 | No. 1 | Halaman 16-25, 4. Diambil kembali dari https://jurnal.lldikti4.or.id/index.php/jurnaltekno/article/download/78/59/

 

Wiraswari, K. (2014, Mei 15). K-Nearest Neighbor. Dipetik April 29, 2019, dari Brighter than Canopus moon is more beautiful when you see it from far: http://karinawiraswari-fst12.web.unair.ac.id/artikel_detail-101998-Sistem%20Temu%20Kembali%20Informasi-K%20%20Nearest%20Neighbor.html