PREDIKSI NILAI UJIAN NASIONAL SISWA SMP N 13 KOTA TEGAL MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (k-NN)

Wibowo, Pranoto (2019) PREDIKSI NILAI UJIAN NASIONAL SISWA SMP N 13 KOTA TEGAL MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (k-NN). Masters thesis, Universitas Islam Sultan Agung.

	Text COVER.pdf Download (843kB)
	Text Publikasi.pdf Download (689kB)
	Text ABSTRAK.pdf Download (334kB)
	Text DAFTAR ISI.pdf Download (347kB)
	Text DAFTAR PUSTAKA.pdf Download (225kB)
	Text BAB I.pdf Download (348kB)
	Text BAB II.pdf Restricted to Registered users only Download (963kB)
	Text BAB III.pdf Restricted to Registered users only Download (660kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (225kB)

Abstract

Prediksi perolehan nilai ujian nasional siswa SMP N 13 Kota Tegal dimaksudkan untuk mengetahui secara dini hasil nilai ujian nasional siswa yang akan diperoleh setelah siswa mengikuti ujian nasional. Pengetahuan yang diperoleh dari hasil prediksi ini akan menjadi informasi yang penting bagi pihak sekolah untuk mengambil langkah-langkah yang tepat sehingga perolehan nilai ujian nasional siswa bisa ditingkatkan lebih baik lagi. Perolehan nilai UN siswa yang rendah dan belum adanya model prediksi yang digunakan untuk memprediksi pencapaian nilai UN siswa merupakan masalah yang perlu diatasi. Dalam memprediksi nilai ujian nasional siswa untuk empat mata pelajaran UN (Bahasa Indonesia, Bahasa Inggris, Matematika dan IPA) menggunakan K-Nearest Neighbor (k-NN) sebagai metode prediksi dan membandingkannya dengan metode Decission Tree. k-NN merupakan pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada sedangan Decission Tree adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Dengan mengambil data siswa tahun pelajaran 2015/2016 sampai 2017/2018 ternyata hasil penelitian menunjukkan model prediksi k-NN memilki performansi yang lebih baik dari model prediksi Decission Tree. Hasil performansi diperoleh dengan evaluasi menggunakan turunan dari terminologi Confussion Matrix untuk mengetahui nilai akurasi, sensitivity (recall), dan precission pada tiap-tiap mata pelajaran. Untuk mengukur performansi metode prediksi digunakan nilai akurasi pada tiap metode dan tiap mapel. Semakin besar nilai akurasinya (maksimal 1), maka semakin baik performansi dari model prediksi yang digunakan. Metode k-NN mempunyai nilai rata-rata untuk akurasi = 0.85, presisi = 0.87, dan recall = 0.91 sedangkan untuk metode decission tree mempunyai nilai rata-rata untuk akurasi = 0.82, presisi = 0.85, dan recall = 0.89 hasil evaluasi tersebut dibandingkan dengan data real nilai UN siswa tahun pelajaran 2015/2016 sampai tahun pelajaran 2017/2018. Kata Kunci : UN, k-NN, Decission Tree, Prediksi, Akurasi

Item Type:	Thesis (Masters)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Pascasarjana Pascasarjana > Magister Teknik elektro
Depositing User:	Pustakawan 5 UNISSULA
Date Deposited:	18 Feb 2020 07:41
Last Modified:	18 Feb 2020 07:41
URI:	http://repository.unissula.ac.id/id/eprint/16171

Actions (login required)

View Item