PENERAPAN ALGORITMA KLASIFIKASI K-NEAREST NEIGHBOR (K-NN) UNTUK MEMPREDIKSI UJIAN NASIONAL DENGAN MENGGUNAKAN HASIL NILAI TRY OUT SISWA SEKOLAH MENENGAH KEJURUAN BERBASIS DESKTOP PADA SMK BINA INFORMATIKA BINTARO

Abstract

Try out merupakan tahapan gladi bersih menjelang pelaksanaan Ujian Nasional (UN) yang sesungguhnya. Kegiatan tes uji coba kemampuan peserta didik diselenggarakan oleh Tim Musyawarah Kerja Kepala Sekolah (TMKKS) di SMK Bina Informatika Bintaro. Try out digunakan untuk menguji kesiapan siswa dalam menghadapi Ujian Nasional (UN). Hasil Try Out dapat digunakan oleh siswa untuk mengetahui materi apa yang sudah dikuasai dan yang belum dikuasai. Dari hasil tersebut diharapkan siswa mampu mengejar ketertinggalan terhadap materi yang belum dikuasai. Soal Try Out diambil dari materi kelas 10 sebanyak 20%, materi kelas 11 sebanyak 30%, dan materi kelas 12 sebanyak 50%. SMK Bina Informatika setiap tahunnya menyelenggarakan 2 kali Try Out untuk siswa/I yang akan menghadapi Ujian Nasional (UN). Mata pelajaran yang diujikan antara lain Matematika, Bahasa Indonesia, Bahasa Inggris, dan Teori Kejuruan. Berdasarkan hasil ujian Try Out pihak sekolah menentukan prediksi apakah siswa/i SMK Bina Informatika Bintaro akan lulus atau tidak dalam Ujian Nasional (UN) berdasarkan dari nilai Try Out yang pernah dicapai tersebut. Pihak sekolah masih menggunakan dengan cara manual untuk memprediksi nilai UN dengan menggunakan Microsoft Excel. Untuk menjumlah seluruh nilai Try Out tersebut dibutuhkan 2-3 hari untuk memprediksi kelulusan UN. Permasalahan tersebut dapat di selesaikan dengan membangun sebuah aplikasi yang dapat membuat sebuah prediksi dengan menggunakan nilai Try Out dengan memperhitungkan nilai dengan algoritma K-Nearest Neighbor (KNN). Algortma K-Nearest Neighbor merupakan salah satu metode klasifikasi yang menghitung jarak terdekat untuk mengklasifikasikan objek baru berdasarkan kedekatannya dengan objek lama yang sudah diklasifikasikan sebelumnya, dengan menggunakan dataset selama 3 tahun terakhir berjumlah 475 data, rata-rata akurasi yang diperoleh oleh sistem 83.21%. Nilai K yang memiliki tingkat akurasi terbesar pada setiap pengujiannya adalah K=5, yaitu sebesar 87.75 % dengan tingkat sensitivitas sistem (Recall) sebesar 88.59% dan nilai presisi 73.72%. Berdasarkan hasil dari serangkaian proses pengujian yang telah dilakukan, dapat disimpulkan sistem ini telah mengklasifikasi dataset siswa/i SMK Bina Informatika Bintaro dengan baik dan cepat dibandingkan dengan proses penentuan hasil prediksi ujian nasional menggunakan nilai ujian Try Out yang dilakukan secara manual menggunakan Microsoft excel.