ANALISIS PERBANDINGAN ANGKA PUTUS SEKOLAH DASAR NEGERI DAN SWASTA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (K-NN)
DOI:
https://doi.org/10.23960/jitet.v13i1.6045Abstract Views: 280 File Views: 200
Abstract
Artikel ini mengulas perbandingan tingkat putus sekolah antara sekolah dasar negeri dan swasta di Indonesia, dengan memanfaatkan algoritma K-Nearest Neighbors (KNN) untuk menganalisis data. Studi ini bertujuan untuk menemukan provinsi yang memiliki tingkat putus sekolah tertinggi serta menganalisis pola-pola yang membedakan status pendidikan berdasarkan informasi yang ada. Data menunjukkan bahwa tingkat putus sekolah lebih tinggi di sekolah negeri daripada di sekolah swasta. Algoritma KNN telah berhasil digunakan dalam klasifikasi dan menghasilkan evaluasi yang memuaskan, yang menunjukkan kemampuannya sebagai alat bantu dalam pengambilan keputusan di bidang pendidikan. Artikel ini ditutup dengan saran kebijakan untuk mengurangi tingkat putus sekolah, khususnya pada sekolah negeri.Downloads
References
Mujiati, Nasir, dan A. Ashari, “FAKTOR-FAKTOR PENYEBAB SISWA PUTUS SEKOLAH,” 2018.
U. Kulsum, “DISPARITAS KESIAPAN SEKOLAH NEGERI DAN SEKOLAH SWASTADALAM MENINGKATKAN MUTU PENDIDKAN VOKASI,” vol. 4, 2020.
P. A. Cakranegara, “Faktor Diferensiasi Sekolah di Indonesia,” Ideas J. Pendidikan, Sos. dan Budaya, vol. 7, no. 2, hal. 13, 2021, doi: 10.32884/ideas.v7i2.335.
I. Widiasanti, A. Virgiani Abdul, A. Nirwana, A. Della Arlita, dan L. Nopita Sari, “Ancaman Melawan Putus Sekolah Dengan Dilema Kualitas Pendidikan Indonesia,” J. Ilmu Sos. dan Pendidik., vol. 7, 2023, doi: 10.58258/jisip.v7i1.5228/http.
L. Kusbudiyanto dan A. I. Munandar, “Karakteristik Siswa Putus Sekolah Pada Jenjang Sekolah Menengah Kejuruan (Smk) Di Kota Bekasi,” Sos. Horiz. J. Pendidik. Sos., vol. 6, no. 2, hal. 298–318, 2020, doi: 10.31571/sosial.v6i2.1153.
M. Khoiriyah, M. Humaira Fauziah, S. A. Zahra, dan N. W. Abdul Majid, “Pengaruh faktor ekonomi terhadap angka putus sekolah di kalangan mahasiswa indonesia,” Integr. (Information Technol. Vocat. Educ., vol. 3, 2021.
Lisda, N. Isnaeni, dan M. R. Firmansyah, “Analisa Slope Wilayah Kebakaran Hutan menggunakan Metode Naive Bayes,” J. Sist. Inf. Galuh, vol. 2, no. 2, 2024, doi: 10.25157/jsig.v2i2.3934.
Burhanuddin, E. Yusuf, I. Yurni, dan E. Maulani, “Analisis Pengembangan Model Pembelajaran Dalam Kelayakan Bangunan Sekolah Dengan Metode K-Nearest Neighbors,” Sisfo J. Ilm. Sist. Inf., vol. 7, no. 2, hal. 97, 2023, doi: 10.29103/sisfo.v7i2.14788.
K. D. Attarik, N. Safriadi, dan Yulianti, “ANALISIS SENTIMEN KEBIJAKAN PEMBERLAKUAN TERHADAP PERTUMBUHAN EKONOMI SEKTOR E- COMMERCE DI INDONESIA MENGGUNAKAN METODE K-NEAREST NEIGHBOR ( KNN ),” vol. 12, no. 3, 2024.
M. I. Syahroni, “Prosedur Penelitian Kuantitatif,” J. Al-Musthafa STIT Al-Aziziyah Lomb. Barat, vol. 2, no. 3, 2022.
E. Rosyidah dan E. Masykuroh, “Memahami Strategi dan Mengatasi Tantangan dalam Penelitian Metode Kuantitatif,” Syntax Idea, vol. 6, no. 6, hal. 2787–2803, 2024, doi: 10.46799/syntax-idea.v6i6.3748.
“Jumlah Siswa Putus Sekolah Menurut Tingkat Tiap Provinsi ・ Semua Wilayah ・ 2023 ・ SD/MI/Sederajat,” Portal Data Kemendikbudristek. Diakses: 7 Januari 2025. [Daring]. Tersedia pada: https://data.kemdikbud.go.id/dataset/p/peserta-didik/jumlah-siswa-putus-sekolah-menurut-tingkat-tiap-provinsi-indonesia-sd-2023
A. N. Kasanah, M. Muladi, dan U. Pujianto, “Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, hal. 196–201, 2019, doi: 10.29207/resti.v3i2.945.
