Pemodelan Modified K-Nearest Neighbor Dalam Klasifikasi Jurusan Siswa Di SMAN 6 Pekanbaru

Mustakim Mustakim, Ulya Ramadhani, Shinta Ayunda Putri

Abstract


Pengembangan sistem informasi pada lembaga pendidikan merupakan salah satu pengembangan terhadap manajemen sekolah dalam menjalankan manajerial pendidikan. Berdasarkan survei yang dilakukan di SMAN 6 Pekanbaru, proses penjurusan Siswa memiliki permasalahan seperti kesulitan yang dialami pihak sekolah dalam menganalisis dan mengevaluasi secara manual saat menentukan jurusan Siswa satu persatu. Hal ini tentunya akan menyita banyak waktu dan tenaga. Pada Data Mining terdapat suatu teknik klasifikasi yang digunakan untuk menggolongkan data sehingga mempermudah dalam mengklasifikasikan jurusan Siswa. Pengklasifikasian jurusan siswa menggunakan algoritma Modified K-Nearest Neighbor (MKNN) dengan nilai evaluasi confusion matrix menghasilkan akurasi sebesar 82,29%; 100% nilai presisi; dan 75% nilai recall. Pada penelitian ini, penggunaan information gain dan algoritma K-Means secara berturut dilakukan untuk menyeleksi atribut serta pembagian data latih dan data uji. Hasil pemodelan klasifikasi diimplementasikan pada sistem berbasis web yang kemudian dilakukan perbandingan simulasi parameter dengan hasil akurasi maksimal pada nilai k=5 dengan hasil akurasi optimal 85,4%.

 


Full Text:

PDF

References


Rahmadano ZF. Penerapan Metode Modified K-Nearest Neighbor untuk Klasifikasi Komentar Fans dan Haters di Instagram (Doctoral Dissertation,Universitas Islam Negeri Sultan Syarif Kasim Riau). 2021.

Mustakim, Gazalba I, Reza NGI. Comparative Analysis of K-Nearest Neighbor and Modified K-Nearest Neighbor Algorithm for Data Classfification. In 2017 2nd International Conferences on Information Technology, Information Systems and Electrical Engineering (ICITISEE). IEEE. 2017; 294-298.

Nabila Z, Isnain AR, Permata, Abidin Z. Analisis Data Mining untuk Clustering Kasus Covid-19 di Provins Lampung dengan Algoritma K-Means. Jurnal Teknologi Sistem Informasi (JTS). 2021; 2(2); 100-108.

Zheng X, Lei Q, Yao R, Gong Y, & Yin Q. Image Segmentation Based on AdaptiveK-Means Algorthm. EURASIP Journal on Image and Video Processing. 2018; (1); 1-10.

Sinaga KP, Yang MS. Unsupervised K-Means Clustering Algorithm. IEEE Access. 2020; 8; 80716-80727.

Chormunge S, Jena S. Efficient Feature Subset Selection Algorithm for High Dimensional Data. International Journal of Electrical and Computer Engineering (IJECE). 2016; 6; pp.1880-1888.

Atallah DM, Badawy M, El-Sayed A, Ghoneim MA. Predicting Kidney Tranplantation Outcome Based on Hybrid Feature Selection and KNN Classifier. Multimedia Tools and Application. 2019; 78(14); 20383-20407.

Deng X, Liu Q, Deng Y, Mahadevan S. An Improved Method to Construct Basic Probability Assignment Based on the Confusion Matrix for Classification Problem. Information Sciences. 2016; 340; 250-261.

Amanullah RF, Pujianto A, Pratama BT, Kusrni K. Deteksi Motif Baik Menggunakan Ekstraksi Tekstur dan Jaringan Syaraf Tiruan. Computer Science Research and Its Development Journal (CSRID). 2021; 10(2); 69-79.

Essra A. Analisis Information Gain Attribute Evaluation untuk Klasifikasi Serangan Intrusi. Journal Information System Development (ISD). 2016; 1(2).

Kadafi AR. Perbandingan Algoritma Klasifikasi untuk Penjurusan Siswa SMA. Jurnal ELTIKOM. 2018; 2(2); 67-77.

Hidayah N. Klasifikasi Penjurusan Program Studi Sekolah Menengah Atas dengan Algoritma Naïve Bayes Classifier pada SMAN 1 Subah. Universitas Dian Nuswantoro. Semarang. 2013.

Jananto A. Memprediksi Kinerja Mahasiswa Menggunakan Teknik Data Mining (Studi Kasus Data Akademik Mahasiswa Unisbank). Yogyakarta: Universitas Gajah Mada. 2010.

Suprawoto T. Klasifikasi Data Mahasiswa Menggunakan Metode K-Means untuk Menunjang Pemilihan Strategi Pemasaran. Jurnal Informatika dan Komputer (JIKO). 2016; 1(1).

Mutrofin S, Izzah A, Kurniawardhani A, Masrur M. Optimasi Teknik Klasifikasi Modified K-Nearest Neighbor Menggunakan Algoritma Genetika. Jurnal Gamma. 2015; 10(1).

Mustakim. Effectiveness of K-Means Clustering to Distibute Training Data and Testing Data on K-Nearest Neighbor Classification. Journal of Theoritical and Applied Information Technology. 2017; 95(21).

Gazalba I. Implementasi Algoritma Modified K-Nearest Neighbor untuk Klasifikasi Program Keluarga Harapan Kota Pekanbaru (Doctoral dissertation, Universitas Islam Negeri Sultan Syarif Kasim Riau). 2017.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id