IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DALAM SISTEM KLASIFIKASI CALON PENERIMA BEASISWA PROGRAM INDONESIA PINTAR (PIP)

STUDI KASUS: SMP NEGERI 2 SIBOLANGIT

Abstract

Pendidikan berperan penting dalam kemajuan bangsa, namun di Indonesia akses pendidikan masih terkendala biaya. Untuk mengatasinya, pemerintah meluncurkan Program Indonesia Pintar (PIP) guna pemerataan akses pendidikan. SMP Negeri 2 Sibolangit menjadi salah satu sekolah pelaksana PIP dan aktif mengusulkan bantuan bagi siswa yang memenuhi kriteria. Permasalahan muncul karena proses klasifikasi penerima masih dilakukan secara manual, tidak hanya memerlukan waktu yang cukup lama tetapi juga berisiko mengalami kesalahan serta kerusakan data. Penelitian ini bertujuan mengembangkan sistem klasifikasi penerima PIP yang lebih efisien dan akurat. Metode yang digunakan adalah algoritma K-Nearest Neighbor (KNN) yang membandingkan karakteristik calon penerima dengan data sebelumnya berdasarkan kemiripan. Data penelitian diperoleh melalui angket kepada 250 siswa, mencakup 11 variabel seperti status PKH, status KKS, pendapatan ayah, pendapatan ibu, pekerjaan ayah, pekerjaan ibu, jumlah tanggungan, status keluarga, status tempat tinggal, kondisi rumah, dan status penerimaan PIP. Hasil evaluasi menunjukkan model K-NN memperoleh nilai accuracy, precision, dan recall sebesar 94%, yang membuktikan sistem mampu mengklasifikasikan calon penerima PIP secara efektif, cepat, dan akurat, sehingga mendukung pemerataan bantuan pendidikan di SMP Negeri 2 Sibolangit.