Text

Aplikasi Data Mining Untuk Prediksi Tingkat Kelulusan Siswa Menggunakan Metode SMOTE dan K-NN Pada SMK PAB Helvetia.

---

Tingkat kelulusan siswa merupakan indikator utama keberhasilan suatu institusi pendidikan, termasuk SMK PAB Helvetia. Namun, ketidakmampuan sekolah dalam memprediksi kelulusan secara akurat sering kali menjadi kendala dalam perencanaan strategi pembelajaran. Penelitian ini bertujuan untuk mengembangkan aplikasi prediksi tingkat kelulusan siswa menggunakan metode Synthetic Minority Oversampling Technique (SMOTE) dan K-Nearest Neighbor (K-NN). SMOTE digunakan untuk menangani ketidakseimbangan data siswa, sementara K-NN diterapkan sebagai algoritma klasifikasi untuk memprediksi kelulusan. Data siswa yang terdiri dari nilai akademik, kehadiran, dan parameter lainnya diolah melalui aplikasi yang dirancang. Hasil penelitian menunjukkan bahwa penggabungan metode SMOTE dan K-NN mampu meningkatkan akurasi prediksi kelulusan hingga mencapai hasil yang signifikan dibandingkan metode konvensional. Aplikasi ini diharapkan dapat membantu sekolah dalam mengidentifikasi siswa dengan risiko kelulusan rendah dan memberikan rekomendasi intervensi yang sesuai. Selain itu, hasil penelitian ini dapat menjadi referensi bagi pengembangan lebih lanjut dalam penerapan data mining untuk mendukung pengambilan keputusan di sektor pendidikan.
Kata Kunci : Data Mining, Prediksi, Tingkat Kelulusan Siswa, Metode SMOTE, Metode K-NN.

---

Ketersediaan

Informasi Detail

Judul Seri

Karya Ilmiah - Skripsi

No. Panggil

2514-00-94 MUH a

Penerbit

Medan : Universitas Potensi Utama., 2025

Deskripsi Fisik

xii, 108 hlm.; 21,5 x 30 cm.

Bahasa

Indonesia

ISBN/ISSN

2113000145

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

2025

Subjek

Skripsi Sistem Informasi

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Muhammad Rizky Azhari

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar