Ramadhan, Vito (2019) Sistem Rekomendasi Siswa Berprestasi Berdasarkan Nilai Akademik Dan Non-Akademik SMA Brawijaya Smart School. Sarjana thesis, Universitas Brawijaya.
Abstract
Sekolah Menengah Atas Brawijaya Smart School memiliki berbagai jenis pemilihan siswa berprestasi. Namun dari berbagai jenis pemilihan siswa berprestasi, tidak ada pemilihan yang menggunakan aspek Akademik dan Non – Akademik sebagai acuan utama dalam pemilihan siswa berprestasi. Guru merasa sulit untuk menggunakan data nilai Akademik dan Non – Akademik dikarenakan sifat kedua nilai tersebut. Berdasarkan permasalahan yang ada, dibutuhkan sebuah sistem yang dapat mengolah data gabungan antara data nilai Akademik dan Non-Akademik sehingga dapat menentukan siswa berprestasi berdasarkan kedua aspek tersebut. Algoritme K-Nearest Neighbor (KNN) merupakan salah satu algoritme data mining yang dapat digunakan untuk proses klasifikasi siswa berprestasi. Diperlukan juga algoritme yang dapat melakukan pengurutan dari hasil klasifikasi dengan banyak atribut, maka digunakan algoritme Simple Additive Weighting (SAW). Atribut yang digunakan terdiri dari rata-rata nilai siswa dari semester 1-5 dan poin plus siswa. Hasil pengujian validasi menghasilkan nilai 100% Valid. Hasil pengujian menggunakan confusion matrix, algoritme KNN memiliki akurasi sebesar 92.8571%, dan hasil pengujian akurasi algoritme SAW dengan membandingkan hasil keluaran sistem dan keputusan sebenarnya memiliki akurasi sebesar 58.33%. Keluaran dari penelitian ini merupakan sebuah sistem yang dapat memberikan rekomendasi siswa berprestasi dengan menerapkan algoritme KNN dan SAW berbasis website. Dan hasil dari pengujian User Acceptance Testing (UAT) menghasilkan nilai 86%.
English Abstract
Brawijaya Smart School High School has various types of student achievement. However, among the various types of achievement, there were no achievement that used Academic and Non-Academic aspects as a main reference in the selection. Teachers find it difficult to use Academic and Non-Academic value data due to the nature of the two values. Based on existing problems, a system is needed that is able to process combined data of Academic and Non-Academic value to determine outstanding students based on these two aspects. K-Nearest Neighbor (KNN) is a data mining algorithm that can be used for the classification process of outstanding students. As for the sorting of the classification results with many attributes, Simple Additive Weighting (SAW) algorithm is used. The attribute used consists of the average grade of students from semester 1-5 and students plus poin. The validation test produce a score of 100% Valid. Based on the test using confusion matrix, KNN algorithm has an accuracy of 92.8571%, and the results of testing the accuracy of the SAW algorithm by comparing the results of the system output and the actual decision has an accuracy of 58.33%. The output of this study is a system that can provide recommendations of outstanding students by implementing the website-based KNN and SAW algorithm. And the results of the User Acceptance Testing (UAT) has a value of 86%.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/711/052001194 |
| Uncontrolled Keywords: | Information System, K-Nearest Neighbor, Simple Additive Weighting, Student Achievement |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.1 Programming > 005.106 85 Software engineering / Capability maturity model (Computer software) |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Endang Susworini |
| Date Deposited: | 10 Aug 2020 07:48 |
| Last Modified: | 10 Aug 2020 07:48 |
| URI: | http://repository.ub.ac.id/id/eprint/179795 |
Actions (login required)
 |
View Item |