Penerapan Algoritma K-Nearest Neighbour dan Weighted Product dalam Rekomendasi Penentuan Siswa Kelas Unggulan (Studi Kasus : SMA Negeri 9 Surabaya)
Kata Kunci:
Pendidikan, K-Tetangga Terdekat, Produk Bobot, Klasifikasi, Kelas UnggulanAbstrak
Kelas unggulan merupakan kelas yang dibuat untuk tujuan meningkatkan sumber daya manusia terutama bagi siswa atau peserta didik yang lebih berkualitas. Untuk menentukan siswa kelas unggulan diperlukan proses seleksi dengan kriteria yang ketat. Algoritma Weighted Product dipilih karena memiliki kecocokan dalam proses perangkingan data berdasarkan bobot kriteria untuk menyeleksi kriteria siswa secara keseluruhan. Serta penerapan algoritma K-Nearest Neighbor dalam memprediksi data yang tidak diketahui melalui perhitungan kedekatan antar data yaitu data uji dan data latih. Pada penelitian ini bertujuan menentukan rekomendasi siswa kelas unggulan di tahun 2022 sebagai data uji dan data penerimaan perserta didik baru tahun 2021 sebagai data latih. Untuk mengukur kualitas akurasi prediksi yang diterapkan perhitungan accuracy score dari confusion matrix dan tingkat akurasi perbandingan kecocokan data prediksi dengan data asli. Maka dalam penerapan algoritma K-Nearest Neighbour untuk klasifikasi terhadap rekomendasi penentuan siswa kelas unggulan peserta didik baru tahun 2022 dengan data set berjumlah 359 didapatkan hasil klasifikasi terbaik nilai K yaitu 8 untuk hasil akurasi rata-rata terbesar yaitu 94.16% yang didasarkan beberapa pengujian data latih sebanyak 20%, 30% dan 40% dengan data uji tetap. Serta hasil klasifikasi terbaik untuk banyaknya anggota tetangga yaitu nilai k = 17. Dan dalam penerapan algoritma Weigted Product didapatkan kecocokan akurasi antara data asli pihak sekolah dan data rekomendasi keluaran sistem bernilai 71.43%.
Referensi
Aminudin, Nur et al. 2018. “Weighted Product and Its Application to Measure Employee Performance.” International Journal of Engineering & Technology.
Anton, Howard. 2009. “Anton - Elementary Linear Algebra with Applications 10e.” Methods in enzymology.
Danitta, S L T, A Triayudi, and E Safa’ah. 2018. “Sistem Pendukung Keputusan Penerimaan Siswa Baru Untuk Jalur Prestasi Di SMK Negeri 1 Cilegon Menggunakan Metode Weighted Product.” Nasional Rekayasa Teknologi … 1(November): 125–28.
Dzikrulloh, Nihru Nafi, and Budi Darma Setiawan. 2017. “Penerapan Metode K – Nearest Neighbor ( KNN ) Dan Metode Weighted Product ( WP ) Dalam Penerimaan Calon Guru Dan Karyawan Tata Usaha Baru Berwawasan Teknologi ( Studi Kasus : Sekolah Menengah Kejuruan Muhammadiyah 2 Kediri ).” Pengembangan Teknologi Informasi dan Ilmu Komputer 1(5): 378–85.
Hanun, Farida. 2016. “MEMBANGUN CITRA MADRASAH MELALUI PROGRAM KELAS UNGGULAN DI MTSN 2 BANDAR LAMPUNG.” EDUKASI: Jurnal Penelitian Pendidikan Agama dan Keagamaan 14(3).
Hastuti, Rini Tri. 2015. “Analisis Komparasi Model Prediksi Financial Distress Altman, Springate, Grover Dan Ohlson .” Jurnal Ekonomi.
Kartika, Jodi Irjaya, Edy Santoso, and Sutrisno. 2017. “Penentuan Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor Dan Weighted Product (Studi Kasus: SMP Negeri 3 Mejayan).” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1(5): 352–60.
Kohavi, R, and F Provost. 1998. “Glossary of Terms - Journal of Machine Learning.” Machine Learning.
Rachmadi, Jauhar Bariq, Edy Santoso, and Novanto Yudistira. 2020. “Sistem Pendukung Keputusan Rekomendasi Siswa Kelas Unggulan Menggunakan Metode Simple Additive Weighting (SAW) Dan Weighted Product (WP) (Studi Kasus : SMA Negeri 1 Taman, Sidoarjo).” 4(9): 2969–79. http://j-ptiik.ub.ac.id.
Sukatin, Sukatin et al. 2021. “Hubungan Timbal Balik Dan Faktor PendidikanYayasan Pendidikan Islam Institut Agama Islam Nusantara Batang Hari.” Glosains: Jurnal Sains Global Indonesia 2(2).
Sumiah, Aah, and Nita Mirantika. 2020. “Perbandingan Metode K-Nearest Neighbor Dan Naive Bayes Untuk Rekomendasi Penentuan Mahasiswa Penerima Beasiswa Pada Universitas Kuningan.” Buffer Informatika 6(1): 1–10.
Tan, Pang-Ning, Michael Steinbach, Anuj Karpatne, and Vipin Kumar. 2018. “Cluster Analysis: Basic Concepts and Algorithms.” In Introduction to Data Mining (2nd Edition) (What’s New in Computer Science),.
Wafiyah, Fakihatin, Nurul Hidayat, and Rizal Setya Perdana. 2017. “Implementasi Algoritma Modified K-Nearest Neighbor (MKNN) Untuk Klasifikasi Penyakit Demam.” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1(10): 1210–19.
Warner, Robert A. 2016. “Using Z Scores for the Display and Analysis of Data.” In Optimizing the Display and Interpretation of Data,.
Witten, Ian H., Eibe Frank, Mark A. Hall, and Christopher J. Pal. 2016. Data Mining: Practical Machine Learning Tools and Techniques Data Mining: Practical Machine Learning Tools and Techniques.
hendasmoro, Raditya. 2022. Analisis Penerapan Normalisasi Data Dengan Menggunakan Z-Score Pada Kinerja Algoritma K-NN
Medium, 2019. Confusion Matrix, Accuracy, Precision, Recall, F1 Score [online] Tersedia di : <https://medium.com/analytics-vidhya/confusion-matrix-accuracy-precision-recall-f1-score-ade299cf63cd> [Diakses 2 Juni 2023]
Dicky, Norfriansyah. 2014. Konsep Data Mining vs Sistem Pendukung Keputusan. Yogyakarta:Deepublish.
Han, dkk. 2006. Data Mining: Concepts and Techniques 2nd Edition. San Francisco: Multiscience Press
Izonin, I., Tkachenko, R., Shakhovska, N., Ilchyshyn, B., & Singh, K. K. 2022. A Two-Step Data Normalization Approach for Improving Classification Accuracy in the Medical Diagnosis Domain. Mathematics, 10(11), 1942.
Colaboratory, 2017. Welcome To Colaboratory. [online] Tersedia di : <https://colab.research.google.com/?utm_source=scs-index#scrollTo=UdRyKR44dcNI> [Diakses 1 Juni 2023]
Aminudin, Nur et al. 2018. “Weighted Product and Its Application to Measure Employee Performance.” International Journal of Engineering & Technology.
Anton, Howard. 2009. “Anton - Elementary Linear Algebra with Applications 10e.” Methods in enzymology.
Danitta, S L T, A Triayudi, and E Safa’ah. 2018. “Sistem Pendukung Keputusan Penerimaan Siswa Baru Untuk Jalur Prestasi Di SMK Negeri 1 Cilegon Menggunakan Metode Weighted Product.” Nasional Rekayasa Teknologi … 1(November): 125–28.
Dzikrulloh, Nihru Nafi, and Budi Darma Setiawan. 2017. “Penerapan Metode K – Nearest Neighbor ( KNN ) Dan Metode Weighted Product ( WP ) Dalam Penerimaan Calon Guru Dan Karyawan Tata Usaha Baru Berwawasan Teknologi ( Studi Kasus : Sekolah Menengah Kejuruan Muhammadiyah 2 Kediri ).” Pengembangan Teknologi Informasi dan Ilmu Komputer 1(5): 378–85.
Hanun, Farida. 2016. “MEMBANGUN CITRA MADRASAH MELALUI PROGRAM KELAS UNGGULAN DI MTSN 2 BANDAR LAMPUNG.” EDUKASI: Jurnal Penelitian Pendidikan Agama dan Keagamaan 14(3).
Hastuti, Rini Tri. 2015. “Analisis Komparasi Model Prediksi Financial Distress Altman, Springate, Grover Dan Ohlson .” Jurnal Ekonomi.
Kartika, Jodi Irjaya, Edy Santoso, and Sutrisno. 2017. “Penentuan Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor Dan Weighted Product (Studi Kasus: SMP Negeri 3 Mejayan).” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1(5): 352–60.
Kohavi, R, and F Provost. 1998. “Glossary of Terms - Journal of Machine Learning.” Machine Learning.
Rachmadi, Jauhar Bariq, Edy Santoso, and Novanto Yudistira. 2020. “Sistem Pendukung Keputusan Rekomendasi Siswa Kelas Unggulan Menggunakan Metode Simple Additive Weighting (SAW) Dan Weighted Product (WP) (Studi Kasus : SMA Negeri 1 Taman, Sidoarjo).” 4(9): 2969–79. http://j-ptiik.ub.ac.id.
Sukatin, Sukatin et al. 2021. “Hubungan Timbal Balik Dan Faktor PendidikanYayasan Pendidikan Islam Institut Agama Islam Nusantara Batang Hari.” Glosains: Jurnal Sains Global Indonesia 2(2).
Sumiah, Aah, and Nita Mirantika. 2020. “Perbandingan Metode K-Nearest Neighbor Dan Naive Bayes Untuk Rekomendasi Penentuan Mahasiswa Penerima Beasiswa Pada Universitas Kuningan.” Buffer Informatika 6(1): 1–10.
Tan, Pang-Ning, Michael Steinbach, Anuj Karpatne, and Vipin Kumar. 2018. “Cluster Analysis: Basic Concepts and Algorithms.” In Introduction to Data Mining (2nd Edition) (What’s New in Computer Science),.
Wafiyah, Fakihatin, Nurul Hidayat, and Rizal Setya Perdana. 2017. “Implementasi Algoritma Modified K-Nearest Neighbor (MKNN) Untuk Klasifikasi Penyakit Demam.” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1(10): 1210–19.
Warner, Robert A. 2016. “Using Z Scores for the Display and Analysis of Data.” In Optimizing the Display and Interpretation of Data,.
Witten, Ian H., Eibe Frank, Mark A. Hall, and Christopher J. Pal. 2016. Data Mining: Practical Machine Learning Tools and Techniques Data Mining: Practical Machine Learning Tools and Techniques.
hendasmoro, Raditya. 2022. Analisis Penerapan Normalisasi Data Dengan Menggunakan Z-Score Pada Kinerja Algoritma K-NN
Medium, 2019. Confusion Matrix, Accuracy, Precision, Recall, F1 Score [online] Tersedia di : <https://medium.com/analytics-vidhya/confusion-matrix-accuracy-precision-recall-f1-score-ade299cf63cd> [Diakses 2 Juni 2023]
Dicky, Norfriansyah. 2014. Konsep Data Mining vs Sistem Pendukung Keputusan. Yogyakarta:Deepublish.
Han, dkk. 2006. Data Mining: Concepts and Techniques 2nd Edition. San Francisco: Multiscience Press
Izonin, I., Tkachenko, R., Shakhovska, N., Ilchyshyn, B., & Singh, K. K. 2022. A Two-Step Data Normalization Approach for Improving Classification Accuracy in the Medical Diagnosis Domain. Mathematics, 10(11), 1942.
Colaboratory, 2017. Welcome To Colaboratory. [online] Tersedia di : <https://colab.research.google.com/?utm_source=scs-index#scrollTo=UdRyKR44dcNI> [Diakses 1 Juni 2023]
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
