SISTEM INFORMASI PENGKLASIFIKASIAN HASIL BELAJAR PESERTA DIDIK DENGAN TEKNIK DATA MINING METODE K-NEAREST NEIGHBOR (K-NN)

Ahmad Faisal; Basri Basri; Cipta Riang Sari

doi:10.35329/jp.v2i1.1386

SISTEM INFORMASI PENGKLASIFIKASIAN HASIL BELAJAR PESERTA DIDIK DENGAN TEKNIK DATA MINING METODE K-NEAREST NEIGHBOR (K-NN)

Ahmad Faisal, Basri Basri, Cipta Riang Sari

Abstract

Di sekolah SDN Inpres 046 Sidorejo proses pengklasifikasi hasil belajar atau nilai para Peserta Didik masih secara manual, yaitu menggunakan aplikasi perkantoran yang akhirnya membuat tumpukan data yang sangat banyak. Jadi, selain membuat data excel hasil klasifikasi data semakin bertumpuk juga membuat pengajar kewalahan dalam menentukan hasil penghitungan nilai dan mengevaluasi hasil dari klasifikasi atau nilai akademik peserta didik sehingga boros tenaga, waktu, dan biaya. Penelitian ini bertujuan merancang sebuah sistem informasi klasifikasi hasil belajar pesera didik pada SDN Inpres 046 Sidorejo menggunakan teknik data mining metode K-Nearest Neighbor (K-NN). Untuk memudahkan mengklasifikasi hasil belajar peserta didik di Sekolah Dasar Negeri Inpres 046 sidorejo. Dengan Menggunakan Sistem Informasi Pengklasifikasian Hasil Belajar Peserta Didik Dengan Teknik Data Mining Metode K - Nearest Neighbor (K-NN), maka akan didapatkan hasil belajar pesera didik. Hasil pengklasifikasian nantinya dapat menjadi bahan bagi pihak sekolah untuk melakukan penilaian untuk mendapatkan hasil peserta didik dengan nilai terbaik setiap tahunnya. Penulisan skripsi ini dilakukan pada bulan Februari samapai dengan bulan April 2020 dengan lokasi penelitian pada SDN Inpres 046 Sidorejo Wonomulyo.

Keywords

: Sistem Informasi, Data Mining, Peserta Didik, K-NN.

Full Text:

PDF

References

Herlina, H. (2020, May). Perancangan Sistem Informasi Inventori Stok Obat Studi Kasus: Apotek Mitra Manakarra. In Journal Peqguruang: Conference Series (Vol. 2, No. 1, pp. 10-14).

Larasati, I. D., Supianto, A. A., & Furqon, M. T. (2019). Prediksi Kelulusan Mahasiswa Berdasarkan Kinerja Akademik Menggunakan Metode Modified K-Nearest Neighbor ( MK-NN ). 3(5), 4558–4563.

Moch. Lutfi, & Mochamad Hasyim. (2019). Penanganan Data Missing Value Pada Kualitas Produksi Jagung Dengan Menggunakan Metode K-Nn Imputation Pada Algoritma C4.5. Jurnal RESISTOR (Rekayasa Sistem Komputer), 2(2), 89–104. https://doi.org/10.31598/jurnalresistor.v2i2.427

Nurjanah, W. E., Perdana, R. S., & Fauzi, M. A. (2017). Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 1(12), 1750–1757. https://doi.org/10.1074/jbc.M209498200

Saikin, S., & Kusrini, K. (2019). Model Data Mining Untuk Karekteristik Data Traveller Pada Perusahaan Tour and Travel. Jurnal Manajemen Informatika Dan Sistem Informasi, 2(2), 61. https://doi.org/10.36595/misi.v2i2.105

Sari, C. R. (2016). Teknik Data Mining Menggunakan Classification Dalam Sistem Penunjang Keputusan Peminatan SMA Negeri 1 Polewali. 5(1), 48–54.

Yunus, A., Akbar, M., & Andri. (2019). Data Mining untuk Memprediksi Hasil Produksi Buah Sawit Pada PT Bumi Sawit Sukses (BSS) Menggunakan Metode K-Nearest Neighbor. 1–10.