ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KELULUSAN SISWA MENGGUNAKAN ALGORITMA KNN

VITASARI SIANIPAR, NPM 2109500162 (2025) ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KELULUSAN SISWA MENGGUNAKAN ALGORITMA KNN. Tugas_Akhir(Artikel) Building of Informatics, Technology and Science (BITS), 7 (1). pp. 626-637. ISSN 2685-3310 (e-ISSN) 2684-8910 (p-ISSN)

	Text COVER.pdf Download (1MB)
	Text ARTIKEL.pdf Download (1MB)

Abstract

Tingkat kelulusan siswa dipengaruhi oleh berbagai faktor akademik dan non-akademik, sehingga diperlukan metode analisis yang dapat mengelompokkan siswa berdasarkan kemungkinan kelulusannya. Penelitian ini menggunakan algoritma K Nearest Neighbors (KNN) untuk menganalisis faktor-faktor yang mempengaruhi kelulusan siswa di SD Negeri 112269 Padang Lais. Algoritma KNN bekerja dengan menghitung jarak Euclidean antara data siswa yang diuji dengan data siswa lainnya, kemudian menentukan status kelulusan berdasarkan mayoritas dari K tetangga terdekat. Hasil penelitian menunjukkan bahwa penggunaan K=5 menghasilkan klasifikasi yang akurat dengan tingkat akurasi 100%, di mana siswa dengan nilai jarak terkecil terhadap siswa yang telah lulus memiliki peluang lebih besar untuk lulus. Kontribusi penelitian ini adalah membuktikan bahwa metode KNN dapat digunakan sebagai alat bantu dalam prediksi kelulusan siswa serta memberikan wawasan dalam pemanfaatan algoritma klasifikasi untuk mendukung pengambilan keputusan di bidang pendidikan. Penelitian selanjutnya dapat mengembangkan model dengan menambahkan variabel yang lebih beragam serta menguji model pada dataset yang lebih luas guna meningkatkan generalisasi hasil prediksi. Kata Kunci: Tingkat Kelulusan, K-Nearest Neighbors, Klasifikasi, Data Mining, Prediksi Siswa =============================================================================================== Student graduation rates are influenced by various academic and non-academic factors, making it necessary to develop analytical methods to classify students based on their likelihood of graduation. This study applies the K-Nearest Neighbors (KNN) algorithm to analyze the factors affecting student graduation at SD Negeri 112269 Padang Lais. The KNN algorithm works by calculating the Euclidean distance between the tested student data and other student data, then determining the graduation status based on the majority of the K nearest neighbors. The results indicate that using K=5 produces highly accurate classifications with an accuracy rate of 100%, where students with the smallest distance to those who have graduated are more likely to pass. The contribution of this study is to demonstrate that the KNN method can serve as a decision-support tool for predicting student graduation and provide insights into the use of classification algorithms in educational decision-making. Future research can enhance the model by incorporating more diverse variables and testing it on larger datasets to improve prediction generalization. Keywords: Graduation Rate, K-Nearest Neighbors, Classification, Data Mining, Student Prediction

Item Type:	Article
Uncontrolled Keywords:	Tingkat Kelulusan, K-Nearest Neighbors, Klasifikasi, Data Mining, Prediksi Siswa================Graduation Rate, K-Nearest Neighbors, Classification, Data Mining, Student Prediction
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	22 Oct 2025 09:48
Last Modified:	22 Oct 2025 09:48
URI:	http://repository.ulb.ac.id/id/eprint/1843

Actions (login required)

View Item