IMPLEMENTASI ALGORITMA KNN UNTUK MEMPREDIKSI PERKEMBANGAN BELAJAR SANTRI BERBASIS WEB APPS DI LEMBAGA I’DADIYAH WILAYAH AZ-ZAINIYAH

Setiawati, Yulia (2024) IMPLEMENTASI ALGORITMA KNN UNTUK MEMPREDIKSI PERKEMBANGAN BELAJAR SANTRI BERBASIS WEB APPS DI LEMBAGA I’DADIYAH WILAYAH AZ-ZAINIYAH. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400083_Yulia Setiawati_IF.pdf Restricted to Registered users only Download (4MB)

Abstract

Setiawati, Yulia. 2024. Implementasi Algoritma KNN Untuk Memprediksi Perkembangan Belajar Berbasis Web Apps Di Lembaga I’dadiyah Wilayah Az-Zainiyah. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Andi Wijaya, M.Kom., (II) Abdul Karim, S.Kom, M.T.

Kata Kunci: Perkembangan Belajar Santri, Streamlit, Algoritma KNN.

Pondok Pesantren Nurul Jadid merupakan lembaga pendidikan Islam yang memiliki beberapa wilayah khusus, salah satunya adalah Wilayah Az-Zainiyah yang menaungi lembaga I’dadiyah bagi santri putri baru. Lembaga I’dadiyah menyelenggarakan pendidikan dasar intensif selama tiga bulan sebagai persiapan sebelum santri menempuh jenjang pendidikan selanjutnya. Namun, pemantauan perkembangan belajar santri selama masa pembinaan menghadapi tantangan, terutama terkait keterbatasan metode penilaian yang akurat dan efisien untuk mendeteksi dini risiko ketidaklulusan. Penelitian ini bertujuan untuk mengimplementasikan teknik data mining menggunakan algoritma K-Nearest Neighbor (KNN) guna memprediksi perkembangan belajar santri di Lembaga I’dadiyah. Algoritma KNN dipilih karena kemampuannya yang efektif dalam mengenali pola data berdasarkan kemiripan fitur untuk menghasilkan prediksi yang akurat. Data yang digunakan dalam penelitian ini meliputi nilai mata pelajaran Fiqih, Al-Qur’an, Akhlak, dan Tauhid. Model prediksi yang dihasilkan kemudian diintegrasikan ke dalam web apps menggunakan framework Streamlit untuk mempermudah aksesibilitas bagi pihak lembaga. Penelitian ini menggunakan 345 data sebagai data training dan 87 data sebagai data testing. Hasil pengujian model menunjukkan tingkat akurasi yang sangat tinggi, yaitu sebesar 97%. Dengan adanya aplikasi ini, pihak lembaga diharapkan dapat memiliki bahan evaluasi yang objektif dalam menentukan kebijakan guna meningkatkan kualitas pembelajaran santri di masa mendatang.

Item Type:	Thesis (Other)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	28 Apr 2026 03:46
Last Modified:	28 Apr 2026 03:46
URI:	https://repository.unuja.ac.id/id/eprint/3172

Actions (login required)

View Item