Record Details

Klasifikasi Jurusan Siswa menggunakan K-Nearest Neighbor dan Optimasi dengan Algoritme Genetika (Studi Kasus: SMAN 1 Wringinanom Gresik)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Jurusan Siswa menggunakan K-Nearest Neighbor dan Optimasi dengan Algoritme Genetika (Studi Kasus: SMAN 1 Wringinanom Gresik)
 
Added Entry - Uncontrolled Name Kusumadewi, Vergy Ayu
Cholissodin, Imam
Adikara, Putra Pandu
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Penjurusan merupakan proses memilih dan menempatkan program studi yang sesuai untuk siswa, proses ini akan berpengaruh untuk masa depan para siswa, baik pada saat menjadi pelajar di SMA maupun setelah lulus ketika melanjutkan studi di perguruan tinggi. Berdasarkan hasil wawancara permasalahan yang sering terjadi terdapat beberapa siswa yang ingin berpindah jurusan di tengah semester, hal ini dikarenakan siswa tidak bisa mengikuti pelajarannya dan merasa tertinggal dari teman-temannya yang lain. Oleh karena itu, diperlukan sistem cerdas yang bisa mempermudah pihak sekolah dalam mengelompokkan siswa-siswi ke jurusan sesuai dengan minat dan bakat siswa. Pada penelitian ini sistem dibuat dengan menerapkan metode K-NN dan optimasi Algoritme Genetika. Jenis validasi yang dipakai dalam penelitian ini memanfaatkan 9-fold cross validation serta hold-out validation. Jumlah dataset yang awalnya 288 data akan dibagi menjadi 9 bagian masing-masing berjumlah 32 data. Pada umumnya jumlah fold terbaik yang digunakan adalah 10, namun pembagian fold juga harus disesuaikan dengan jumlah data yang digunakan. Pada pengujian hold-out dibagi menjadi 2 skenario pengujian yaitu yang pertama pengujian menggunakan rumus kernel polynomial, kernel RBF dan kernel linear yang dijabarkan (disubtitusi ke dalam rumus penjabaran jarak) mendapatkan nilai fitness sebesar 64,385% sedangkan yang kedua menggunakan rumus kernel polynomial, kernel RBF dan kernel linear yang tidak dijabarkan (tanpa disubtitusi ke rumus penjabaran jarak) mendapatkan nilai fitness 93,182%. Nilai fitness tertinggi dihasilkan pada pengujian 9-fold cross validation yaitu 100%.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/7224
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 4 No 4 (2020): April 2020
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2020 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com