IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DENGAN METODE KLASIFIKASI DAN PENGUKURAN JARAK MANHATTAN DISTANCE UNTUK PREDIKSI KELULUSAN UN BERDASARKAN HASIL NILAI TRYOUT BERBASIS JAVA DESKTOP PADA SMA HARAPAN JAYA 2

Abstract

SMA Harapan Jaya 2 setiap tahunnya pihak sekolah selalu mengadakan tryout sebanyak dua (2) kali untuk melakukan persiapan menjelang ujian nasional sebagai langkah untuk para siswa dalam mempersiapkan kematangan materi menjelang ujian nasional. Nantinya pihak sekolah akan memprediksi siswa untuk kelulusan ujian nasional dari hasil tryout tersebut. Siswa yang mendapatkan nilai tryout dibawah standar maka diprediksi tidak lulus ujian nasional. Dalam memprediksi kelulusan UN pihak sekolah masih melakukannya dengan cara manual yaitu dengan menggunakan Microsoft Excel, yaitu dengan mengumpulkan semua nilai hasil tryout seluruh siswa dan menjumlah seluruh nilai. Berdasarkan hal tersebut prediksi kelulusan UN dengan cara manual dianggap kurang efisien dan efektif. Penulis menggunakan algoritma K-Nearest Neighbor dengan metode pengukuran jarak Manhattan Distance untuk mengklasifikasi siswa menjadi dua hasil kelulusan yaitu Lulus dan Tidak Lulus dengan atribut yang mempengaruhi antara lain, nilai hasil tryout seluruh mata pelajaran tiap siswa. Algoritma K-Nearest Neighbor merupakan metode klasifikasi yang menghitung jarak terdekat untuk mengklasifikasikan objek baru berdasarkan kedekatannya dengan objek lama yang sudah di klasifikasikan sebelumnya dengan menggunakan dataset siswa selama 3 tahun terakhir. Maka disimpulkan sistem dapat mengklasifikasi dataset siswa SMA Harapan Jaya 2 dengan baik dan cepat dibandingkan dengan proses prediksi kelulusan UN yang dilakukan secara manual menggunakan microsoft excel.