Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi Fakultas Teknologi Informasi Universitas Hasyim Asy'ari en-US ejournal@unhasy.ac.id (Sri Widyowati) glan.putra@unhasy.ac.id (IGL Putra Eka Prismana) Mon, 17 Dec 2018 09:49:42 +0000 OJS 3.1.2.0 http://blogs.law.harvard.edu/tech/rss 60 PENENTUAN JURUSAN PADA SEKOLAH MENENGAH ATAS MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS WEB http://ejournal.unhasy.ac.id/index.php/inovate/article/view/313 <p>Proses penentuan jurusan siswa di Sekolah Menengah Atas merupakan suatu tahap yang sangat penting dalam meningkatkan kemajuan belajar siswa. Proses penentuan jurusan siswa akan membantu siswa dalam memfokuskan konsentrasi penguasaan materi pembelajaran di sekolah. Penentuan jurusan siswa dilakukan pada awal masuk kelas X setelah siswa dinyatakan diterima di Sekolah Menengah Atas. Pada penelitian ini membahas mengenai sistem penentuan jurusan di SMA Negeri Jogoroto menggunakan metode <em>k-nearest neighbor</em>. <em>K-Nearest Neighbor </em>(<em>K-NN</em>)<em> </em>merupakan suatu metode yang menggunakan algoritma <em>supervised,</em> dimana hasil dari data <em>testing</em> diklasifikasikan berdasarkan mayoritas dari kategori pada <em>K-NN</em>. Tujuan dari algoritma ini adalah mengklasifikasikan data <em>testing</em> berdasarkan atribut dan data <em>training</em>. Adapun kriteria yang dibutuhkan dalam proses penentuan jurusan ini adalah nilai raport IPA, nilai raport MAT, nilai ujian nasional IPA, nilai ujian nasional MAT, nilai angket siswa, nilai angket orang tua, nilai rekomendasi guru BK, dan nilai psiko tes. Proses penentuan jurusan menguunakan metode <em>K-NN</em> diawali dengan memasukkan data <em>training</em>, data <em>testing, </em>parameter (<em>k), </em>menghitung jarak antara data <em>testing</em> dengan data <em>training, </em>dan terakhir mencari jumlah kelas dari tetangga terdekat dan menetapkan kelas tersebut sebagai hasil perhitungan. Dengan menggunakan 30 data latih dan 120 data uji diperoleh hasil tertinggi pada 109 data yang diklasifikasikan dengan benar dan 11 data sisanya diklasifikasikan dengan kurang tepat. Dari hasil tersebut diperoleh akurasi data penentuan jurusan menggunakan metode <em>K-NN</em> dengan nilai <em>k </em>= 3, yaitu sebesar 90,83%.</p><p><strong>Kata Kunci</strong> : Penentuan Jurusan, <em>K-NN</em>, <em>Web.</em></p><p><em><br /></em></p><p><em>The process of student determining majors in senior high school is very important step in order improving student learning progress. The process of student determining majors will help students to focus their mastery of learning material at school. Student determining on majors is done at the beginning of class X after students are admitted to high school. This study discusses about system of majors determination in Jogoroto senior high school using the k-nearest neighbor method.K-Nearest Neighbor (K-NN) is a method that uses a supervised algorithm, where the results of testing data are classified according to the majority of the categories in the K-NN. The purpose of this algorithm is to classify data based on attributes and training data. The criteria that needed in the process of determining this department are science scores, MATH scores, science national exam scores, MATH national exam scores, student questionnaire scores, parent questionnaire scores, Conceling teacher recommendation scores, and psycho test scores. The process of determining the department using the K-NN method begins by entering training data, testing data, (k) parameters, after that the calculation uses the K-NN method. And than finally, calculating the distance between data testing and training data, and finding the number of classes from the nearest neighbor and assigning the class as a calculation result.Using 30 training data and 120 test data, the highest results were obtained on 109 correctly classified data and the remaining 11 data were classified incorrectly. From these results, the accuracy of the determination of the majors using the K-NN method with the value of k = 3 is 90.83%.</em></p><p><em><strong>Keyword </strong>: <em>Majors Determination, K-NN, Web</em><br /></em></p> Amelia Nurhaidah, Aries Dwi Indriyanti, DHARMA BAGUS PUTRA Copyright (c) 2018 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/313 Mon, 17 Dec 2018 09:49:36 +0000 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING SKRIPSI MENGGUNAKAN METODE SAW (SIMPLE ADDITIVE WEIGHTING) http://ejournal.unhasy.ac.id/index.php/inovate/article/view/314 Mochamad Nasichun Amin, IGL Putra Eka Prismana, Hadi Sucipto Copyright (c) 2018 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/314 Mon, 17 Dec 2018 09:49:37 +0000 PERANCANGAN SISTEM INFORMASI GEOGRAFIS PENCARIAN JALUR TERPENDEK PARIWISATA JOMBANG MENGGUNAKAN ALGORITMA DIJKSTRA http://ejournal.unhasy.ac.id/index.php/inovate/article/view/315 Yoppy Hastri Muhammad, IGL Putra Eka Prismana, Arbiati Faizah Copyright (c) 2018 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/315 Mon, 17 Dec 2018 09:49:38 +0000 PENGACAKAN SOAL PADA SISTEM COMPUTER BASED TEST (CBT) DENGAN METODE LINEAR CONGRUENTIAL GENERATOR (LCG) DI SMA NEGERI JOGOROTO http://ejournal.unhasy.ac.id/index.php/inovate/article/view/316 Achmad Fanani, Aries Dwi Indriyanti, Indana Lazulfa Copyright (c) 2018 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/316 Mon, 17 Dec 2018 09:49:39 +0000 IDENTIFIKASI JENIS BIJI KOPI MENGGUNAKAN CITRA DIGITAL DENGAN METODE KLASIFIKASI CITY BLOCK DISTANCE http://ejournal.unhasy.ac.id/index.php/inovate/article/view/317 Nasrul Ulum, IGL Putra Eka Prismana, Reza Augusta Jannatul Firdaus Copyright (c) 2018 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/317 Mon, 17 Dec 2018 09:49:40 +0000 http://ejournal.unhasy.ac.id/index.php/inovate/article/view/318 Kholif Fitriyatun Niímah, Dedy Rahman Prehanto, Pujo Hari Saputro Copyright (c) 2018 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/318 Mon, 17 Dec 2018 09:49:40 +0000 PENENTUAN DOSEN PEMBIMBING DAN PENGUJI SKRIPSI MENGGUNAKAN METODE WEIGHTED PRODUCT http://ejournal.unhasy.ac.id/index.php/inovate/article/view/319 Muhammad Imam Asíari, Aries Dwi Indriyanti, Dyah Listianingtyas Copyright (c) 2018 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/319 Mon, 17 Dec 2018 09:49:41 +0000 http://ejournal.unhasy.ac.id/index.php/inovate/article/view/338 Febriana Dwi Jayanti, Dedy Rahman Prehanto, Chamdan Mashuri Copyright (c) 2019 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/338 OPTIMASI WAKTU PRODUKSI MENGGUNAKAN ALGORITMA CAMPBELL DUDEK AND SMITH (CDS) PADA PT. LOGAM JAYA http://ejournal.unhasy.ac.id/index.php/inovate/article/view/339 Rinaldo yudianto Arsam, Bambang Sujatmiko, Chamdan Mashuri Copyright (c) 2019 Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi http://ejournal.unhasy.ac.id/index.php/inovate/article/view/339