Analisis Penentuan Kelulusan Sesuai Prestasi Siswa Menggunakan Algoritma K-Nearest Neighbor

Abstract

Penelitian ini mengembangkan Modul Prediksi Akademik yang terintegrasi pada sistem e-Rapor berbasis web menggunakan algoritma K-Nearest Neighbor (KNN) untuk mengidentifikasi potensi kelulusan akademik siswa berdasarkan pola nilai rapor. Hasil prediksi tidak digunakan sebagai keputusan akhir kelulusan, melainkan sebagai informasi pendukung dan sistem peringatan dini akademik dengan dua kategori, yaitu Berpotensi Lulus dan Berisiko Tidak Lulus. Data penelitian berasal dari nilai akhir siswa SMA Kristen Elim Makassar tahun akademik 2025/2026 semester Ganjil. Setelah melalui proses seleksi, pencocokan NIS, penghapusan duplikasi, dan validasi nilai, diperoleh 283 data siswa valid, terdiri atas 242 siswa Berpotensi Lulus dan 41 siswa Berisiko Tidak Lulus berdasarkan label acuan akademik. Data dinormalisasi menggunakan Min-Max Normalization, kemudian diklasifikasikan menggunakan Euclidean Distance dengan pengujian k=3, k=5, dan k=7 pada beberapa skenario pembagian data. Hasil terbaik diperoleh pada pembagian data 80:20 dengan k=3, menghasilkan akurasi 87,72%, precision 87,23%, recall 97,62%, dan F1-score 92,13%. Hasil tersebut menunjukkan bahwa integrasi KNN pada e-Rapor mampu menyediakan informasi prediktif yang mendukung pemantauan kondisi akademik siswa secara lebih terstruktur, tanpa menggantikan kewenangan sekolah dalam menentukan kelulusan akhir.