Klasifikasi prestasi akademik siswa berdasarkan nilai rapor dan kedisiplinan

ABSTRAK

Belajar merupakan proses transformasi sikap berkat pengalaman serta latihan proses belajar akan menghasilkan perubahan pengetahuan dan keterampilan siswa. Sekolah sebagai tempat melaksanakan kegiatan pembelajaran melalui tahapan-tahapan dan proses, agar peserta didik mencapai prestasi belajar yang baik. Prestasi belajar adalah hasil yang diperoleh berupa kesan-kesan yang mengakibatkan perubahan dalam diri individu sebagai hasil dari aktivitas. Sebagai pedoman penentuan siswa yang berprestasi adalah dengan memiliki nilai akhir setiap semester yang baik serta nilai kedisiplinan selama mengikuti pembelajaran disekolah, seperti tidak memiliki poin pelanggaran yang tinggi. Belum adanya metode khusus yang digunakan untuk mengklasifikasikan siswa berdasarkan prestasinya dan banyak kemiripan data, dibutuhkan metode klasifikasi yang tepat dan akurat, salah satunya menggunakan ilmu di bidang data mining. Dalam penelitian ini peneliti ingin mengklasifikasi prestasi siswa dengan metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbor (K-NN) berdasarkan nilai akademik dan nilai kedisplinan siswa dengan menggunakan data berjumlah 348 siswa di SMA Negeri 2 Batu Jawa Timur. Hasil eksperimen dan evaluasi model yang dilakukan, dengan pembagian data training dan data testing secara acak dengan beberapa percobaan model Support Vector Machine mencapai rata-rata akurasi sebesar 91.68%. Sedangkan model K-Nearest Neighbor memiliki rata-rata akurasi sebesar 87.73%. Ini menunjukkan bahwa model K-Nearest Neighbor juga memiliki kinerja yang baik, tetapi lebih rendah dibandingkan dengan model Support Vector Machine.

ABSTRACT

Learning is a behavioral transformation process due to learning process experience and training. It will generate students’ knowledge and skill transformation. School is a place to carry out learning activities through stages and processes to assist students with their learning achievement. It is a result in the form of impressions that lead to individual changes after conducting activities. To determine the achievement, teachers use students’ final scores in each semester and their discipline records, for example, not having high violence points, during their learning activities. There is no specific method to classify students based on their achievements. Many data are similar, and they need an appropriate and accurate classification method, for example, using knowledge in the data mining field. In the study, the researcher tries to classify students’ achievement using Support Vector Machine (SVM) and K-Nearest Neighbor (K-NN) methods based on their academic scores and discipline records using data from 348 SMA Negeri 2 Batu East Java students. The result of the experiment and the model evaluation using random data training and testing with some experiment models of Support Vector Machine shows an accuracy of 91.68%. Meanwhile, the K-Nearest Neighbor model shows an accuracy of 87.73%. Even though the K-Nearest Neighbor model also performs well, it is lower than the Support Vector Machine model.

مستخلص البحث

يعد التعلم عملية تحويل الموقف بفضل الخبرة والممارسة، وستنتج عملية التعلم تغييرات في معرفة الطلاب ومهاراتهم. المدرسة كمكان لتنفيذ أنشطة التعلم من خلال المراحل والعمليات، بحيث يحقق الطلاب إنجازا تعليميا جيدا. الإنجاز التعليمي هو النتيجة التي تم الحصول عليها في شكل انطباعات تؤدي إلى تغييرات في الأفراد نتيجة للنشاط. كمبدأ توجيهي لتحديد الطلاب المتفوقين هو الحصول على درجات نهائية جيدة في كل فصل دراسي ودرجات الانضباط أثناء التعلم في المدرسة، مثل عدم وجود نقاط انتهاك عالية. لا توجد طريقة محددة تستخدم لتصنيف الطلاب على أساس إنجازاتهم مع أوجه التشابه الكثيرة في البيانات، هناك حاجة إلى طريقة التصنيف المناسبة والدقيقة، أحدها يستخدم العلم في مجال استخراج البيانات. في هذه الرسالة، أراد الباحث تصنيف إنجازات الطلاب باستخدام طربقة تصنيف آلة متجه الدعم (SVM) وخوارزمية الجار الأقرب (K-NN) على أساس درجات السجل الأكاديمي ودرجة انضباط الطلاب باستخدام البيانات التي يبلغ عددها 348 طالبا في المدرسة الثانوية العامة الحكومية 2 باتو جاوى الشرقية. حققت نتائج التجارب وتقييم النماذج التي تم إجراؤها، مع التوزيع العشوائي لبيانات التدريب وبيانات الاختبار مع عدة تجارب بنموذج آلة متجه الدعم قيمة الدقة النسبية 91.68٪. بينما تبلغ قيمة الدقة النسبية لنموذج خوارزمية الجار الأقرب 87.73%. يوضح هذا أن نموذج خوارزمية الجار الأقرب يتمتع أيضا بأداء جيد، لكنه أدنى مقارنة بنموذج آلة متجه الدعم.