Implementasi Data Mining Pada Penentuan Kelayakan Penerima Beasiswa SMA Kristen Tunas Kasih

Abstrak

Penentuan kelayakan penerima beasiswa sering menghadapi permasalahan subjektivitas dan ketidaktepatan sasaran akibat keterbatasan penilaian manual. Penelitian ini mengimplementasikan metode Modified K-Nearest Neighbor (MKNN) untuk menentukan kelayakan penerima beasiswa di SMA Kristen Tunas Kasih yang bernaung di bawah Gereja Kebagunan Kalam Allah Indonesia (GKKAI). Tujuannya adalah membangun sistem klasifikasi yang akurat dan objektif dalam menyeleksi siswa berpotensi dengan kendala finansial. Dataset terdiri dari 112 siswa aktif tahun ajaran 2023/2024, dibagi menjadi 90 data training dan 22 data testing (rasio 80:20). Kriteria klasifikasi meliputi pekerjaan orang tua, penghasilan orang tua, dan status orang tua. Metode MKNN diimplementasikan melalui tahapan: perhitungan jarak Euclidean, normalisasi data, validasi, dan weight voting. Sistem dikembangkan sebagai aplikasi web menggunakan PHP dan MySQL, dengan fitur manajemen data, pembagian data training-testing, perhitungan bobot, dan visualisasi hasil. Hasil pengujian menunjukkan akurasi 95.45%, precision 100%, recall 75%, dan F-measure 85.71%. Dari 22 data testing, 21 berhasil diklasifikasikan dengan tepat, dan hanya 1 data yang tidak sesuai. Nilai K optimal yang ditemukan melalui Grid Search adalah K = 3, menghasilkan klasifikasi terbaik. Penelitian ini menunjukkan bahwa metode MKNN memberikan kinerja yang baik dalam penentuan kelayakan penerima beasiswa.