Pengelompokan Performa Siswa Dalam Pembelajaran Matematika Dengan Algoritma K-Nearest Neighbor

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan performa siswa kelas IV dalam pembelajaran matematika di SD Masehi Praiyawang menggunakan algoritma K-Nearest Neighbor (K-NN). Literasi numerasi merupakan aspek krusial dalam pendidikan matematika, dan penelitian ini berupaya mengidentifikasi tingkat literasi numerasi siswa berdasarkan performa mereka. Data yang digunakan meliputi nilai tugas, Ujian Tengah Semester (UTS), dan Ujian Akhir Semester (UAS) dari 20 siswa pada semester genap tahun ajaran 2024/2025. Metodologi penelitian mencakup identifikasi masalah, studi literatur, pengumpulan data, pra-pemrosesan data (pembersihan, seleksi, normalisasi), penerapan algoritma K-NN dengan nilai K=3, analisis hasil klasifikasi, dan evaluasi performa model. Pembagian data dilakukan menggunakan metode Hold-out (70% data latih, 30% data uji). Hasil klasifikasi menunjukkan bahwa algoritma K-NN efektif dalam mengelompokkan siswa ke dalam kategori "Baik", "Cukup", dan "Kurang". Evaluasi model menggunakan metode Hold-out menghasilkan akurasi 100%, sementara validasi silang (5-fold cross-validation) menunjukkan rata-rata akurasi 95% dengan deviasi $\pm 15.81%$. Nilai F1-Score untuk kelas "Cukup" adalah 94.12%, "Baik" 92.31%, dan "Kurang" 100%. Temuan ini membuktikan bahwa model K-NN akurat dan konsisten dalam mengenali pola performa belajar siswa, meskipun dengan data terbatas. Penelitian ini diharapkan dapat memberikan manfaat praktis bagi guru dan sekolah dalam merancang strategi pembelajaran yang sesuai dan memantau kinerja akademik siswa secara objektif. Untuk penelitian selanjutnya, disarankan untuk memperbanyak jumlah data dan memperluas atribut yang digunakan, serta membandingkan dengan algoritma klasifikasi lain.