Author  : Reysa Hastarimasuci

Adviser : Mustakim, ST., M.Kom

Abstract : 

Proses penjurusan siswa di SMA/MA berperan penting dalam mengarahkan dan menempatkan siswa sesuai dengan kemampuan dan minat yang dimilikinya. Terdapat dua jurusan berdasarkan kurikulum 2013 yaitu MIA dan IPS. Penempatan jurusan siswa dengan tepat dapat membantu siswa untuk meningkatkan prestasi dengan lebih baik. Pada penelitian ini dilakukan proses klasifikasi terhadap penjurusan siswa dengan menerapkan metode K Nearest Neighbor (K-NN) dan Naïve Bayes Classifier (NBC). Atribut yang digunakan dalam proses klasifikasi adalah jenis kelamin, minat, hasil psikotes (IQ), rata-rata nilai raport SMP (matematika, IPA, IPS, bahasa inggris), dan nilai meterikulasi (matematika, fisika, bahasa inggris, ekonomi). Proses klasifikasi dilakukan terhadap siswa tahun ajaran 2016/2017 sebagai data testing berdasarkan dari data siswa tahun ajaran 2013/2014 sebagai data training. Hasil penelitian ini memperoleh akurasi dari algoritma K-NN sebesar 94,11% dengan menggunakan kombinasi atribut rata-rata nilai ujian materikulasi dan minat serta 96,07% menggunakan kombinasi atribut IQ dan minat. Sedangkan algoritma NBC memperoleh hasil akurasi 100% dengan menggunakan kombinasi atribut yang sama dengan atribut yang diterapkan pada algoritma K-NN. Perhitungan algoritma K-NN diimplemenetasikan pada sebuah sistem penjursan siswa dimana, output dari sistem ini dapat dijadikan pedoman bagi pihak sekolah untuk melakukan klasifikasi penjurusan siswa dimasa yang akan datang dengan hasil yang lebih tepat dan akurat.

Kata Kunci: K-Nearest Neighbor, Klasifikasi Penjurusan Siswa, Naive Bayes Classifier.

Conclusion :

Berdasarakan dari analisa perhitungan dan hasil pada bab sebelumnya, diperoleh kesimpulan sebagai berikut:

  1. Perhitungan algoritma K-Nearest Neighbor yang diterapkan untuk klasifikasi penjurusan siswa pada MAN 2 Model Pekanbaru mampu menghasilkan akurasi k=7 pada simulasi ke-9 dengan nilai 94,11% menggunakan kombinasi atribut rata-rata nilai materikulasi dan minat siswa. Sedangkan akurasi k=7 pada simulasi ke-10 dengan nilai 96,07% menggunakan kombinasi atribut IQ dan minat siswa. Pengujian algoritma ini menggunakan perhitungan akurasi confusion matriks yaitu membandingkan kelas atau label pada data sebelumnya dengan hasil klasifikasi algoritma K-NN.
  2. Hasil perhitungan menggunakan algoritma Naive Bayes Classifier didapatkan hasil akurasi 100% pada simulasi ke-9 menggunakan kombinasi atribut rata-rata nilai materikulasi dan minat. Sedangkan pada simulasi ke-10 yang menggunakan atribut IQ dan minat sama-sama menghasilkan akurasi 100%.
  3. Berdasarkan hasil dari penerapan kedua algoritma yaitu K-NN dan NBC dalam mengklasifikasikan penjurusan siswa yaitu IPA dan IPS diperoleh hasil akurasi tertinggi menggunakan algoritma Naive Bayes Classifier dengan akurasi sebesar 100%.
  4. Proses klasifikasi penjurusan siswa dilakukan dengan mengimplementasikan sebuah Sistem Informasi Penjurusan Siswa dengan menerapkan algoritma K-NN dan NBC pada sistem tersebut. Sistem yang dibangun mampu mengklasifikasikan sesuai dengan perhitungan algoritma secara manual. Data yang digunakan adalah 227 record data training dari siswa tahun ajaran 2013-2014 dan 153 record data testing dari siswa tahun ajaran 2016-2017.

Sumber Gambar