PERENCANAAN EVALUASI PEMBELAJARAN TAMBAHAN MENGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) SEBAGAI SARANA KLASIFIKASI TINGKAT KEMAPUAN SISWA
| Main Author: | M. RUSLAN, |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://eprints.umm.ac.id/28009/1/jiptummpp-gdl-mruslan075-35300-2-babi.pdf http://eprints.umm.ac.id/28009/2/jiptummpp-gdl-mruslan075-35300-1-pendahul-n.pdf http://eprints.umm.ac.id/28009/ |
Daftar Isi:
- Standart kelulusan UNAS smakin meningkat tiap tahunnya, hal tersebut menyebabkan kecemasan dari pihak sekolah dan siswa. Hal yang dapat dilakukan untuk menangani kecemasan dari beberapa pihak tersebut adalah melakukan persiapan menghadapi UNAS, salah satunya dengan mengadakan tryout. Siswa dengan nilai tryout yang rendah belum tentu mendapat nilai UNAS yang rendah, hal ini karena adanya perbedaan bobot soal antara tryout dan UNAS. Tidak mudah memprediksi hasil UNAS dengan melihat nilai tryout begitu saja. Pada penelitian ini telah dicoba membuat aplikasi untuk memprediksikan hasil UNAS berdasarkan hasil tryout menggunakan algoritma K-Nearest Neighbour dengan mencari kedekatan data tryout calon peserta UNAS dengan data tryout dan data UNAS siswa sebelumnya, setelah diketahui kedekatanya sesuai nilai K maka akan didapatkan nilai prediksi UNAS. Dari hasil evaluasi yang telah dilakukan, kinerja dari algoritma K-Nearest Neighbour sangat bagus. Karena tingkat akurasi ketika nilai K=1 adalah 92,4% dan terus meningkat hingga mencapai nilai 100% pada K=7 dengan jumlah data uji 66 siswa, tentu saja hal tersebut dipengaruhi oleh kualitas data acuhan dan data uji.