Klasifikasi Penentuan Jurusan Siswa Di SMA Negeri 6 Sigi Menggunakan Metode K-Nearest Neighbor

ABSTRAK

Tempat dimana seseorang dapat mempelajari keterampilan baru atau mengasah keterampilan yang sudah ada disebut lembaga pendidikan. Belajar memperluas wawasan secara intelektual dan kreatif merupakan definisi lain dari pendidikan (Ibeng,
2022). Dengan demikian, pendidikan merupakan upaya untuk membantu anak-anak mewujudkan potensi sesuai dengan standar perilaku dan adat istiadat masyarakat yang telah ditetapkan.
K-Nearest Neighbor (KNN) adalah metode yang digunakan dalam penyelidikan

ini. Salah satu kelebihan metode K-Nearest Neighbor (KNN) adalah menggunakan data pembelajaran yang secara geografis paling dekat dengan item untuk mengklasifikasikannya.
Terdapat pengujian black box untuk sistem versi alpha dan pengujian kuesioner untuk versi beta. Segala sesuatu di sistem bekerja sesuai harapan dan hasil pengujian black box memuaskan. Hasil pengujian beta menggunakan kuesioner skala Likert sangat baik. Peneliti pada penelitian ini juga membandingkan hasil KNN dengan data SMA Negeri 6 Sigi untuk memastikan keakuratan datanya. Dengan menggunakan pendekatan pengujian akurasi matriks konfigurasi dapat mengekstraksi 94% akurasi, 96% presisi, dan 96% recall dari data pengujian.
ABSTRACT

A place where someone can learn new skills or hone existing skills is called
educational institution. Learning to broaden your horizons intellectually and creatively is another definition of education (Ibeng, 2022). Thus, education is an effort to help children realize their potential in accordance with established standards of behavior and community customs.
K-Nearest Neighbor (KNN) is the method used in this investigation. One of the advantages of the K-Nearest Neighbor (KNN) method is that it uses learning data that is geographically closest to the item to classify it.
There is black box testing for the alpha version of the system and questionnaire testing for the beta version. Everything in the system worked as expected and the black box testing results were satisfactory. The results of beta
testing using a Likert scale questionnaire were very good.

Researchers in this study also compared the KNN results with data from SMA Negeri 6 Sigi to ensure the accuracy of the data. Using the configuration matrix accuracy testing approach can extract 94?curacy, 96% precision, and 96% recall from test data

Kata Kunci : KNN, Pengujian Akurasi Matriks , Black Box

Keywords : K-Nearest Neighbor (KNN), Matrix Accuracy Testing, Black Box