ANALSIS METODE K-NEAREST NEIGHBOR (KNN) DALAM KLASIFIKASI SISWA TERBAIK KELAS III-IPA PADA SMP NEGERI 3 SATAP SELESAI

Abstract

Dalam melakukan proses klasifikasi data siswa terbaik mengacu pada metode kecerdasan buatan. sebagai proses klasifikasi diantaranya K-Nearest Neighbor (K-NN). Dalam menyikapi hal tersebut pada penelitian menyusun dan berusaha untuk membantu SMP negeri 3 Satap pada kelas III-IPA untuk menerapkan sistem yang mampu bekerja secara cepat, tepat dan efesien dan sehingga untuk mengambil sebuah keputusan untuk klasifikasi siswa pada kelas 3 IPA hasil yang di keluarkan tersebut valid dan benar – benar bisa dikatakan bahwa siswa tersebut termasuk klasifikasi siswa perprestasi. Klasifikasi merupakan salah satu substansi Data Mining yang sering digunakan untuk mengelompokkan data berdasarkan kategori atau variabel tertentu. Diantara metode klasifikasi yang sering digunakan untuk mengklasifikasikan data berupa dokumen adalah Naïve Bayes dan K-Nearest Neighbor (KNN). Penelitian ini membahas secara rinci perbandingan kedua metode tersebut dengan mengukur akurasi dan lama waktu proses dengan 4 skenario uji coba. Dari hasil penelitian, Naïve Bayes mengungguli KNN dengan rata-rata hasil akurasi Naïve Bayes sebesar 76.81% dan KNN bernilai K 3, 6, 9 berturut-turut sebesar 72,47%, 71,12%, 71,56%. Namun jika hanya mengambil akurasi tertinggi, KNN unggul dengan perbandingan Naïve Bayes sebesar 72.22% dengan KNN sebesar 77.78%. Dengan catatan, selisih masih bisa bertambah berbanding lurus dengan jumlah perbendaharaan dokumen latih. Rata-rata waktu proses yang dibutuhkan Naïve Bayes sebanyak 0.31 detik berbanding KNN sebanyak 1.09 detik.