Klasifikasi Minat Potensial calon Siswa-Siswi di Able Ballet Berdasarkan Profil Menggunakan Metode K-Nearest Neighbors (K-NN)
DOI:
https://doi.org/10.59024/jiti.v2i4.934Keywords:
K-Nearest Neighbors (K-NN), Klasifikasi, Prediksi minat siswa, Able Ballet, Model prediktif, Akurasi, Pengambilan keputusanAbstract
Penelitian ini bertujuan untuk mengimplementasikan metode K-Nearest Neighbors (K-NN) dalam klasifikasi minat calon siswa-siswi di Able Ballet berdasarkan profil mereka. Metode K-NN digunakan karena kemampuannya dalam mengklasifikasikan data dengan tingkat akurasi yang tinggi. Penelitian dilakukan dengan mengumpulkan data profil siswa baru dan menggunakan metode K-NN untuk memprediksi minat mereka terhadap berbagai program yang ditawarkan. Hasil penelitian menunjukkan bahwa metode K-NN dapat mencapai tingkat akurasi sebesar 90% dalam klasifikasi minat siswa. Hal ini menunjukkan bahwa metode ini efektif dalam mendukung pengambilan keputusan untuk penempatan program yang sesuai bagi siswa baru. Penelitian ini juga menyarankan penggunaan dataset yang lebih besar dan eksplorasi metode lain seperti Support Vector Machine (SVM) untuk meningkatkan akurasi model di masa depan.References
Ballet.(2023).Wikipedia
Algoritma K-Nearest Neighbors (KNN) Pengertian dan Penerapan. (2023). Adminlp2m.
Apriansyah, Muhammad. (2016). Metode Waterfall Analisis dan Perancangan sistem. WordPress.
Safitri, Firli. (2023). Implementasi Metode K-Nearest Neighbor(K-NN) dan Forward Chaining Untuk Monitoring Tumbuh Kembang Balita (Studi Kasus: Posyandu Anggrek Bulan Karang Makmur). Cirebon: Universitas Catur Insan Cendekia.
Johnson, Daniel. (2024). Supervised Machine Learning What is, Algorithms with Example. Guru99’s Headquarters.
Tech & Tales. (2023). Mastering the Basics: Understanding Supervised and Unsupervised Learning Algorithms. Medium.
Sutianah. (2023). Penerapan Metode K-Nearest Neighbor Pada Penentuan Kelayakan Penerima Bantuan Langsung Tunai di Desa Sahbandar Kertajati. Cirebon: Universitas Catur Insan Cendekia.
Analisis Data Adalah Pengertian, Tujuan, dan Keuntungannya. (2023). Jakarta: ScaleOcean.
R. A. Pradita, HOUSE OF BALLET : PRESENTING THE BEAUTY OF SPACE THROUGH DANCE CHOREOGRAPHY READINGS. Jurnal Poster Pirata Syandana, vol. 0, Dec. 2023. [Online].
Dogan. Alican, Derya Birant.(2020). Machine Learning and Data Mining in Manufacturing. Science Direct.
Henderi, H., Wahyuningsih, T., & Rahwanto, E. (2021).Comparison Of Min-Max Normalizatiojn and Z-Score in the K-Nearest Neighbors(KNN) Algorithm to Test the Accuuracy of Types of Breast Cancer. International Journal of Informatics and Information Systems, 4(1), 13-20. doi:https://doi.org/10.47738/ijiis.v4i1.73
Y. M. Wazery, E. Saber, E. H. Houssein, A. A. Ali and E. Amer, "An Efficient Slime Mould Algorithm Combined With K-Nearest Neighbor for Medical Classification Tasks," in IEEE Access, vol. 9, pp. 113666-113682, 2021.
Hendry, D., Chai, K., Campbell, A. et al.(2020) Development of a Human Activity Recognition System for Ballet Tasks. Sports Med - Open 6, 10.
de Medeiros Eufrásio , R.E., Ferreira, R.L.U., Leal, L.L.A. et al. (2021).Amateur ballet practicing, body image and eating behaviors: a comparative study of classical ballet dancers, gym users and sedentary women. J Eat Disord 9, 106. https://doi.org/10.1186/s40337-021-00459-9
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2022). Data Mining: Practical Machine Learning Tools and Techniques (5th ed.). Morgan Kaufmann.
Zhang, S., Li, X., Zong, M., Zhu, X., & Cheng, D. (2020). Learning k for kNN Classification. ACM Transactions on Intelligent Systems and Technology, 11(2), 1-19.
Homans, J. (2022). Apollo's Angels: A History of Ballet (2nd ed.). Random House.
Kant, M. (Ed.). (2020). The Cambridge Companion to Ballet. Cambridge University Press.
Deng, Z., Zhu, X., Cheng, D., Zong, M., & Zhang, S. (2020). Efficient kNN classification algorithm for big data. Neurocomputing, 195, 143-148.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
