Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa

Abstract

AbstrakPemberian beasiswa kepada siswa Sekolah Menengah Atas (SMA) sudah umum dilakukan. Hal ini terjadi sejak adanya dana pendidikan 20% dari Kementrian Pendidikan dan Kebudayaan (Kemendikbud). Selain untuk batuan kepada siswa yang kurang mampu, beasiswa juga diberikan kepada siswa yang mempunyai prestasi akademik maupun prestasi non akademik. Pemberian beasiswa yang terjadi selama ini baik di SMA ataupun yang lain masih menggunakan perhitungan dan pengolahan data secara manual. Proses perhitungan secara manual memungkinkan adanya penerima  beasiswa  yang tidak tepat sasaran. Pengolahan penerimaan beasiswa bisa menggunakan sebuah algoritma data mining untuk mengklasifikasikan  calon penerima  beasiswa  berdasarkan  data yang diambil dari data siswa  penerima beasiswa sebelumnya (data training) dengan data yang diambil dari calon penerima beasiswa (data testing). Penelitian ini bertujuan membantu proses seleksi beasiswa di SMA menggunakan algoritma K-Nearest Neighbor (KNN) supaya penerima beasiswa tepat sasaran. Algoritma KNN bisa memberikan  kebutuhan data yang akurat  dan informasi yang diperlukan untuk menyeleksi  calon penerima beasiswa. Hasil dari penelitian ini adalah adalah terseleksinya 30 orang dari 89 data yang telah dilakukan klasifikasi.  Pengujian sistem menggunakan pengujian akurasi metode confusion matrix dengan hasil pengujian sebesar 90.5%. Hal ini menunjukkan bahwa algoritma KNN bisa digunakan untuk mengklasifikasikan seleksi penerimaan beasiswa.Kata Kunci: algoritma, beasiswa, data mining, KNNAbstractProviding scholarships to high school students (SMA) is common. This happened since there was a 20% education fund from the Ministry of Education and Culture (Kemendikbud). In addition to rocks to underprivileged students, scholarships are also given to students who have academic and non-academic achievements. Scholarships that have occurred so far both in high school and others still use manual calculation and data processing. The manual calculation process allows for scholarship recipients who are not on target. Processing scholarship receipts can use a data mining algorithm to classify prospective scholarship recipients based on data taken from previous scholarship recipient student data (training data) with data taken from prospective scholarship recipients (data testing). This study aims to help the scholarship selection process in high school using the K-Nearest Neighbor (KNN) algorithm so that scholarship recipients are on target. The KNN algorithm can provide accurate data and information needed to select prospective scholarship recipients. The result of this research is the selection of 30 people from 89 data that has been classified. System testing uses the accuracy of confusion matrix testing with 90.5% test results. This shows that the KNN algorithm can be used to classify scholarship acceptance selections.Keywords: algorithms, data mining, KNN, scholarship