IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK OPTIMASI PEMBERIAN REWARD SISWA SMA

Memberikan penghargaan kepada siswa merupakan strategi umum untuk meningkatkan motivasi belajar dan partisipasi di sekolah. Namun, sistem penghargaan konvensional seringkali menghadapi tantangan terkait objektivitas dan kelengkapan kriteria penilaian. Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) sebagai alat optimasi untuk menentukan penerima penghargaan di kalangan siswa SMA. Dataset mencakup nilai rapor rata-rata, nilai moral, pendapatan orang tua, jumlah saudara kandung, dan nilai aktivitas non-akademik. Metode KNN dipilih karena efektivitasnya dalam mengklasifikasikan data berdasarkan kesamaan. Proses penelitian ini melibatkan pengumpulan data historis siswa, normalisasi data, pembangunan model KNN, dan evaluasi kinerjanya. Hasil penelitian menunjukkan bahwa model KNN mencapai tingkat akurasi 91% dalam mengklasifikasikan siswa ke dalam kategori penghargaan yang tepat. Hal ini menunjukkan bahwa model tersebut dapat diandalkan dalam mendukung pengambilan keputusan dalam proses distribusi penghargaan.
Kesimpulannya, penerapan algoritma KNN menawarkan pendekatan yang lebih terstruktur, objektif, dan transparan terhadap alokasi penghargaan siswa, yang dapat meningkatkan efektivitas program penghargaan dan mendorong perkembangan siswa.