TY  - THES
UR  - http://eprints.unpak.ac.id/7631/
PB  - Universitas Pakuan
AV  - public
M1  - Skripsi
A1  - Nurdiansyah, Dimas
A1  - Herfina, Herfina
A1  - Maesya, Aries
TI  - PENERAPAN ALGORITMA K-NEAREST NEIGHBORS (K-NN) 
UNTUK PREDIKSI TINGKAT PEMAHAMAN SISWA TERHADAP 
MATA PELAJARAN MATEMATIKA
ID  - eprintsunpak7631
Y1  - 2024/03/27/
N2  - PENERAPAN ALGORITMA K-NEAREST NEIGHBORS (K-NN) 
UNTUK PREDIKSI TINGKAT PEMAHAMAN SISWA TERHADAP 
MATA PELAJARAN MATEMATIKA
Dimas Nurdiansyah1, Aries Maesya2, Herfina3
Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmi Pengetahuan Alam, Universitas 
Pakuan, Jawa Barat, 16134, Indonesia
Abstrak
Pendidikan merupakan hal yang sangat penting dalam pembangunan suatu bangsa atau 
negara. Di Indonesia, perubahan pendekatan pendidikan terus berkembang, dan salah satu 
upaya terbaru adalah kurikulum merdeka yang bertujuan untuk memberikan kebebasan lebih 
besar kepada sekolah dalam merancang kurikulum yang sesuai dengan kebutuhan dan 
karakteristik siswa. Dalam konteks kurikulum merdeka yaitu menekankan pada kompetensi 
dan pemahaman siswa menjadi semakin krusial. Penelitian ini melakukan prediksi tingkat 
pemahaman siswa terhadap mata pelajaran matematika di SMAN 1 Cipeundeuy. Data yang 
digunakan pada penelitian ini adalah data nilai mata pelajaran matematika tahun ajaran 
2022/2023. Metode yang digunakan pada penelitian ini adalah K-Nearest Neighbors (K-NN)
dengan menggunakan jarak euclidean distance dapat memberikan hasil prediksi dengan rata?rata nilai akurasi sebesar 95.3%, presisi 96.2%, recall 93.2%, f1-score 94.1% dan error rate 
4.6% dengan nilai K terbaik yaitu 3. Maka hasil ini menunjukan bahwa implementasi pada 
algoritma K-Nearest Neighbors (K-NN) berkategori klasifikasi sangat baik.
Keywords: K-Nearest Neighbors (K-NN), Prediksi, Pemahaman, Matematik
EP  - 15
ER  -