Prediksi Penerimaan Calon Siswa Baru SDN Pandeanlamper

04 Semarang Pada Tahun 2023

Menggunakan Algoritma K-NN

Disusun Oleh :
Kresna Raafi Setyawan – A12.2020.06352
UNIVERSITAS DIAN NUSWANTORO SEMARANG
TAHUN 2022
 BAB I
Pendahuluan
1.1 Latar Belakang
Penerimaan Peserta Didik Baru atau yang biasa kita kenal dengan PPDB merupakan
kegiatan yang dilakukan untuk pertama kalinya di sebuah Lembaga Pendidikan, yang
tentunya PPDB ini harus melalui tahap penyeleksian yang sudah ditetapkan pihak
Lembaga Pendidikan kepada calon peserta didik baru sehingga nantinya calon siswa yang
mendaftar merupakan siswa dengan kualitas yang baik.Untuk PPDB Sekolah Dasar Calon
siswa harus minimal berusia 7 tahun untuk memenuhi salah satu dari syarat yang sudah
ditentukan,biasanya yang diprioritaskan anak usia 7 tahun
Tujuan dari PPDB sendiri yaitu memberikan layanan bagi anak usia sekolah/lulusan
guna nantinya bisa memasuki satuan Pendidikan yang lebih tinggi dilakukan secara tertib,
berkualitas dan terarah.
Manfaat dari PPDB ini agar mempermudah melakukan pendaftaran siswa baru juga
mempermudah akses informasi penerimaan siswa baru.Pendaftaran menjadi lebih tertib
dan juga lebih mudah untuk dipantau.
Dalam beberapa tahun terakhir PPDB dilakukan secara online, yang biasanya PPDB
dilakukan secara offline dikarenakan pada saat waktu calon siswa mendaftar mengalami
lonjakan sehingga menimbulkan kejadian yang tidak diinginkan
PPDB juga dibagi menjadi 4 jalur pendaftaran diantaranya jalur zonasi yaitu siswa
yang mendaftar dengan lokasi rumah sampai ke sekolah tergolong dekat presentase
diterima besar, jalur orang tua untuk jalur ini dikhususkan untuk calon peserta didik yang
orang tuanya pindah tugas serta anak dari guru disekolah tersebut,biasanya kuota yang
diberikan untuk jalur ini sebanyak 5%, ada juga jalur prestasi Jalur ini biasanya
menggunakan nilai raport sebagai bahan pertimbangan seleksi. Untuk tingkat Sekolah
Dasar biasanya belum menggunakan jalur ini, yang terakhir ada Jalur afirmasi untuk jalur
ini dikhususkan untuk orangtua calon peserta didik yang kurang mampu dan anak
penyandang disabilitas.
Untuk kesempatan mendaftar PPDB calon peserta didik diberikan kesempatan dua
kali. Jadi, nantinya calon peserta didik tidak perlu khawatir/risau jika belum lolos di
sekolah yang diinginkannya karena CPDB nanti bisa mendaftar PPDB 2 kali di sekolah
tujuan yang sesuai ketentuan.
Pada salah satu sekolah dasar yang berada di kota Semarang yaitu SDN 04
Pandeanlamper melakukan seleksi yang bisa dibilang ketat guna nantinya bisa
mendapatkan siswa yang pintar juga berkualitas. Hal ini juga sangat penting soalnya
minat anak anak untuk lanjut ke sekolah dasar sangatlah banyak, saat ini bisa diprediksi
berdasarkan parameter yang sudah ada. Memang belum banyak penelitan melakukan
berkaitan dengan spesifik.
Beberapa penilitian berkaitan dengan “Student” akhir akhir ini lebih banyak
mengarah ke prediksi kelulusan siswa-siswi berdasarkan faktor-faktor kelulusan.
 Penelitian yang berjudul “Graduation Prediction of Gunadarma University Students
Using Naïve Bayes Algorithm and C4.5 Algorithm”, Penulis ini membandingkan antara
metode Naïve Bayes dan C4.5 sebesar 80,85% dan C4.5 sebesar 85,7% ( Suhartinah,
2010).
Pada penelitian berjudul “Prediction and preventing student failure – using the k-
nearest neighbour method to predict student performance in an inline course
environment”, penulis ini melakukan tahap pengujian menggunakan metode K-NN
dengan pengukuran terbaik sebesar 69,6% ( Tuomas, 2010 ).

1.2 Rumusan Masalah

Berdasarkan pada latar belakang yang sudah ada diatas, maka bisa dirumuskan suatu
permasalahan untuk mengetahui estimasi Penerimaan calon peserta didik baru SDN 04
Pandeanlamper Semarang pada tahun 2023 dengan menggunakan metode K-NN
1.3 Tujuan
Tujuan dari penelitian ini berguna nantinya bisa mengetahui hasil angka dari estimasi
penerimaan calon siswa baru pada tahun 2023 nanti.
 BAB II
TINJAUAN PUSTAKA
2.1 Data Mining
Pengertian dari Data Mining yaitu suatu proses pengelompokkan data atau juga bisa
perhitungan data pada stastistik dan juga mathematic yang berguna mengetahui
informasi. Dalam proses pencarian informasi tentang sebuah data kita bisa menggunakan
sebuah Teknik,metode ataupun juga bisa algoritma yang tentunya sangat bervariatif.
Data Mining dikelompokkan dalam beberapa kelompok diantaranya :
• Prediktif
Proses prediktif ini nantinya digunakan untuk mengetahui pola khusus dari
data yang akan digunakan.Pola ini juga bisa ditemukan di beberapa variable
dalam data, jika sudah menemukan pola, maka pola yang digunakan dipakai
untuk memperkirakan variable yang lain.
• Asosiasi
Asosiasi merupakan atribut yang hanya muncul dalam satu waktu saja
• Klasifikasi
Klasifikasi berfungsi menyimpulkan dari banyak pengertian karakteristik dari
suatu grup atau juga bisa kelompok data.
• Klustering
Klustering ini digunakan pengelompokkan yang digunakan untuk
memperhatikan dan membentuk kelas objek
2.2 Proses Data Mining
Merupakan sebuah tahapan suatu proses data yang tujuannya untuk pengetahuan.
Proses ini berhubungan langsung dengan penggalian data. Proses ini suatu langkah dalam
knowledge discovery in databases (KDD). Hal ini bertujuan unutk serangkaian proses
yang terdiri dari preprocessing, maining, transformation, evalution, dan selection. Untuk
penjelasan rangkaian proses tersebut diantaranya :
• Preprocessing
Suatu proses data mining bisa digunakan dan diperlukan pembersihan data
agar dapat focus.
• Data Mining
Proses ini yang paling utama pada saat metode digunakan untuk bisa
mengetahui informasi berharga dari data tersebut. Data Mining unu digunakan
dalam mencari informasi menarik pada data terpilih dengan menggunakan
Teknik atau metode tertentu.
• Evaluation
Merupakan hasil dari data mining yang berupa informasi bisa juga model
prediksi yang dievaluasi berguna menilai apakah proses ini sudah selesai
• Transformation
Suatu proses yang bisa berubah bisa juga Bersatu kedalam sebuah format yang
sesuai guna diproses didata mining
 • Selection
Suatu proses pemulihan data yang relevan dari kumpulan data operasional
dapat dilakukan sebelum melakukan tahap penggalian informasi dalam KDD

2.3 Prediksi
Prediksi atau juga yang biasa disebut perikiraan, biasanya prediksi berdasarkan
metode ilmiah. Data yang digunakan juga dalam suatu prediksi yang diambil pada data
masa lalu.
Manfaat dari prediksi ini diantaranya :
• Kita bisa melakukan perencanaan bagaimana memilih calon siswa yang baik
pintar juga berkualitas
• Kita dapat mengetahui perkiraan pada masa yang akan dating
• Kita bisa mengetahui tingkat penerimaan calon siswa dari tahun ke tahun
2.4 Algortima
Algoritma adalah langkah-langkah atau metode yang direncanakan dengan hati-hati
sehingga teratur dan tertata dengan baik, dan biasanya digunakan untuk menyelesaikan
suatu masalah dengan memberikan instruksi untuk menjadikannya suatu tindakan.
 BAB III
METODE PENELITIAN

3.1 Metode Penelitian

Pra Penelitian Mulai Selesai Kesimpulan

1
Identifikasi Masalah Analisis Hasil

Pengumpulan data Penetapan Tujuan Pengujian dan Evaluasi

Pembersihan Data

Integrasi Data Kajian Literatur

K-NN

Seleksi Data

Data Tervalidasi Transformasi Data Dataset

Gambar 1. Metode Penelitian

Umumnya tahapan penelitian ini dilakukan dengan cara mengidentifikasi masalah,
pengumpulan data, integrasi dan seleksi data hingga diperoleh data yang sudah valid. Lalu
data itu ditransformasikan dijadikan suatu dataset. Selanjutnya dataset diolah menggunakan
algoritma k-NN,yang akan menghasilkan suatu prediksi. Hasil data yang sudah diolah lalu
diuji, dievaluasi dan juga dianalisis. Selanjutnya hasil dari analisis digunakan untuk menarik
kesimpulan dari peneltian.
 BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Dan Pembahasan
Pada penelitian ini data set diperoleh data Penerimaan Peserta Didik Baru (PPDB) SDN
Pandeanlamper 04 Semarang tahun 2017 – 2022 dengan penjelasan sebagai berikut.
• Total data yang saya peroleh yaitu sebanyak 282 calon siswa. Pada tahun 2017 ada 45
pemdaftar, pada tahum 2018 ada 44 pendaftar , pada tahun 2019 ada 48 pendaftar , di
tahun 2020 ada 46 pendaftar, di tahun 2021 sebanyak 50 dan 2022 ada 49 calon siswa
yang mendaftar di SDN Pandeanlamper Semarang.
• Dang Trainning, diambil dari beberapa data dengan jumlah yang berbeda dilakukan
dengan 6 tahap,yaitu 45 data,44 data, 48 data,46 data, 50 data, 49 data dilakukan
dengan acak sebagai proses Data Training.
Pengujian ini dilakukan guna mengetahui kinerja dari algoritma k-NN dalam
pengklasifikasikan data yang sudah ditetapkan. Proses pengujian ini menggunakan Tool
Excel.

Pada pemggunaan data seperti diatas, saya menggunakan algoritma KNN dengan colom 1
sebagai jumlah pendaftaran dan colom 2 sebagai tahun pendaftaran. Diketahui bahwasannya
rata-rata pendaftaran dari tahun 2017 sampai dengan tahun 2022 rata-rata terdapat pada angka
47, dan pada tahun 2023 akan diprediksi meningkat sebanyak 5,6%.
 BAB V
KESIMPULAN
5.1 Kesimpulan
Dari pembahasan dan penjelasan diatas maka kita dapat menyimpulkan bahwa K-NN
juga bisa digunakan untuk memprediksi penerimaan peserta didik baru meski hasilnya tidak
maksimal. Hasil terbaik penerapan K-NN yang berguna untuk memprediksi penerimaan
peserta didik baru akan meningkat sebanyak 5,6% pada tahun 2023 Dari hasil percobaan
yang sudah dilakukan bisa terlihat bahwa grafik akurasi cenderung naik kalua ditambahkan
data training.
Secara umum, hasil pengujian ini nilai yang sedan dan juga belum maksimal. Hal ini
dikarenakan faktor penentu diterimanya calon siswa memiliki nilai yang kurang konsisten
Penentuan data training bisa memengaruhi hasil pengujian. Pola data training ini
digunakan untuk rule dalam proses yang dinamakan testing.