Sistem Informasi Pemilihan Peserta Program Indonesia Pintar (PIP) Dengan Metode K-Nearest Neighbor pada SD Negeri Pejuang V Kota Bekasi

Abstract

The selection of participants for the Smart Indonesia Program (PIP) is an activity to determine students who are eligible for assistance. This study aims to create an information system for the Selection of Participants for the Smart Indonesia Program (PIP) which will assist Administrative Staff and SD Negeri Pejuang V Bekasi City in determining eligible and ineligible participants for assistance. The method used in this information system uses the K-Nearest Neighbor algorithm. The K-Nearest Neighbor process is carried out by giving weight to the student data attributes and looking for the Euclidean distance, then sorted from the smallest distance, after sorting the student data then looking for the closest distance to the training data. The K-Nearest Neighbor algorithm in data training is very fast, simple, easy to learn, effective with large training data and is resistant to data containing incorrect or anomalous values. The results of this study obtained student data as many as 77 students, there are True Positive (TP) data of 5 data, False Positive (FN) of 7 data, True Negative (TN) of 65 data and False Negative (FP) of 0. Results The accuracy obtained is 90.90% with a value of k=10.   Keywords: Information System, K-Nearest Neighbor, KNN, Program Indonesia Pintar (PIP).   Abstrak   Pemilihan peserta Program Indonesia Pintar (PIP) merupakan kegiatan menentukan siswa yang layak untuk mendapatkan bantuan. Penelitian ini bertujuan membuat sistem informasi untuk Pemilihan Peserta Program Indonesia Pintar (PIP) yang akan membantu Staff Administrasi dan pihak SD Negeri Pejuang V Kota Bekasi dalam menentukan peserta yang layak dan tidak layak untuk mendapat bantuan. Metode yang digunakan pada sistem informasi ini menggunakan algoritma K-Nearest Neighbor. Proses K-Nearest Neighbor ini dilakukan dengan memberikan bobot pada atribut data siswa dan mencari jarak Euclidean, selanjutnya diurutkan dari jarak yang terkecil, setelah diurutkan data siswa tersebut maka dicari jarak terdekat terhadap data training. Algoritma K-Nearest Neighbor dalam pelatihan data sangat cepat, sederhana, mudah dipelajari, efektif dengan data pelatihan besar serta tahan terhadap data berisi nilai yang salah atau anomali. Hasil dari penelitian ini data siswa yang didapat sebanyak 77 siswa, terdapat data True Positive (TP) sejumlah 5 data, False Positive (FP) sejumlah 7 data, True Negative (TN) sejumlah 65 data dan False Negative (FN) sejumlah 0. Hasil akurasi yang diperoleh mendapatkan nilai 90.90% dengan nilai k=10.   Kata kunci: K-Nearest Neighbor, KNN, Program Indonesia Pintar (PIP), Sistem Informasi.