IMPLEMENTASI DATA MINING PADA KLASIFIKASI PENERIMAAN SISWA BARU DENGAN ALGORITMA K-NEAREST NEIGHBOAR (STUDI KASUS : SMP NEGERI 2 BANAWA TENGAH)

Abstrak— Penerimaan peserta didik baru adalah kegiatan rutin setiap tahun di sekolah yang penting untuk menjaga kelancaran proses pendidikan. Identifikasi pola data PPDB menjadi hal penting saat melaksanakan kegiatan tersebut. Beberapa sekolah menghadapi perubahan persentase kelulusan siswa setiap tahunnya akibat penerimaan peserta didik baru yang tidak mencapai standar. Sekolah perlu memberikan perhatian khusus terhadap masalah tersebut, contohnya SMP Negeri 2 Banawa di Kabupaten Donggala. Dengan menggunakan teknik data mining dan algoritma K-Nearest Neighbor, sekolah berharap dapat mengungkap pengetahuan tersembunyi dalam data PPDB untuk membantu klasifikasi penerimaan siswa baru, meningkatkan persentase kelulusan serta kualitas lulusan. Pada penelitian ini menggunakan data penerimaan siswa baru sebanyak 236 data yang mana data tersebut diambil dari data penerimaan siswa baru 3 tahun teakhir dimulai dari tahun 2020 sampai dengan 2021, pengklasifikasian dilakukan dengan menggunakan algoritma K-Nearest Neighbor. Hasil pengujian tingkat akurasi yang optimal terdapat pada K 17 dimana Nilai dari K tersebut bernilai 97,67 %

Kata kunci— Data Mining, Klasifikasi, K-Nearest Neighboard,Sistem Informasi,Siswa