Penerapan Algoritma Knn Untuk Analisis Minat Dan Bakat Siswa

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam menganalisis minat dan bakat siswa di SMP Negeri 24 Medan berdasarkan data histori siswa. Metode yang digunakan meliputi pengumpulan data minat dan bakat dari hasil kuesioner serta nilai akademik, yang kemudian diolah menggunakan algoritma KNN untuk melakukan klasifikasi. Model dievaluasi berdasarkan metrik akurasi, presisi, dan recall guna menilai performanya dalam memprediksi kategori minat dan bakat siswa. Hasil penelitian menunjukkan bahwa model KNN mencapai akurasi sebesar 83,70%, dengan performa terbaik pada kelas Penyanyi (presisi 87,16%) dan terendah pada kelas Programmer (79,31%). Nilai recall tertinggi terdapat pada kelas Dokter (85,80%), sedangkan terendah pada kelas Insinyur (80,72%). Kesalahan prediksi umumnya terjadi antara kelas Programmer, Insinyur, dan Dokter karena kemiripan fitur antar kelas. Secara keseluruhan, hasil penelitian ini menunjukkan bahwa algoritma KNN dapat digunakan secara efektif untuk mengidentifikasi pola minat dan bakat siswa, serta memberikan dasar bagi sekolah dalam merancang program pembelajaran dan bimbingan karir yang lebih terarah.