Komparasi Metode Elimination Et Choix Traduisant La Realite (Electre) dan K-NN Similarity dalam Sistem Pendukung Keputusan Pemilihan Konsentrasi Jurusan Siswa SMK

Dublin Core

Title

Komparasi Metode Elimination Et Choix Traduisant La Realite (Electre) dan K-NN Similarity dalam Sistem Pendukung Keputusan Pemilihan Konsentrasi Jurusan Siswa SMK

Subject

KNN, sistem pendukung keputusan (SPK), algoritma electre, klasifikasi kategori

Description

The assignment of fields by vocational students is important because it will determine the future
of students. Determining the right majors is one of the issues that must be solved, so that errors
in determining the majors do not often occur. The variables in determining the major are
adjusted to the academic abilities and grades of each student, the purpose of this majors is that
students can be directed in receiving lessons according to the abilities and talents of the students.
Therefore, in this study, a decision support system for the selection of vocational school students
was built, the method used is a multi-criteria decision-making method based on the Outranking
concept using pairwise comparisons of alternatives based on each appropriate criterion, namely
the Elimination Et Choix Traduisant La method. Realite (Electre) and the KNN Similarity
method to compare the results of the suitability of majors for students. The results of the testing
of the 2 methods show that the use of KNN is better than electre. It is proven that KNN produces
75% accuracy and 66% precision, while the use of the electre algorithm produces 75% accuracy
and 50% precision.
ABSTRAK
Penjurusan bidang oleh siswa SMK merupakan sesuatu yang penting karena hal tersebut akan
menentukan masa depan siswa. Penentuan jurusan yang tepat merupakan salah satu isu yang
harus dipecahkan, sehingga kesalahan dalam menentukan jurusan tidak sering terjadi. Variabel
dalam menentukan jurusan disesuiakan dengan kemampuan akademik dan nilai tiap siswa,
tujuan penjurusan ini yaitu agar siswa bisa terarah dalam menerima pelajaran yang sesuai
dengan kemampuan dan bakat yang dimiliki oleh siswa. Oleh karena itu, pada penelitian ini
dibangun sistem pendukung keputusan pemilihan jurusan siswa SMK, metode yang digunakan
adalah satu metode pengambilan keputusan multi kriteria berdasarkan pada konsep Outranking
dengan menggunakan perbandingan berpasangan dari alternatif-alternatif berdasarkan setiap
kriteria yang sesuai yaitu metode Elimination Et Choix Traduisant La Realite (Electre) dan
metode KNN Similarity untuk membandingkan hasil kesesuaian jurusan untuk siswa. Hasil dari
pengujian dari 2 metode tersebut menunjukan bahwa penggunaan KNN lebih baik dibanding
electre terbukti bahwa KNN menghasilkan akurasi 75% dan presisi 66%, sedangkan
penggunaan algoritma electre menghasilkan akurasi 75% dan presisi 50%.

Creator

Aji Setiawan, Aditha Artanti

Publisher

Perpustakaan Horizon Karawang

Date

2021

Contributor

Fajar bagus W

Format

PDF

Language

Indonesia

Type

Text

Files

Collection

Tags

,Repository, Repository Horizon University Indonesia, Repository Universitas Horizon Indonesia, Horizon.ac.id, Horizon University Indonesia, Universitas Horizon Indonesia, HorizonU, Repo Horizon , ,Repository, Repository Horizon University Indonesia, Repository Universitas Horizon Indonesia, Horizon.ac.id, Horizon University Indonesia, Universitas Horizon Indonesia, HorizonU, Repo Horizon , ,Repository, Repository Horizon University Indonesia, Repository Universitas Horizon Indonesia, Horizon.ac.id, Horizon University Indonesia, Universitas Horizon Indonesia, HorizonU, Repo Horizon , ,Repository, Repository Horizon University Indonesia, Repository Universitas Horizon Indonesia, Horizon.ac.id, Horizon University Indonesia, Universitas Horizon Indonesia, HorizonU, Repo Horizon ,

Citation

Aji Setiawan, Aditha Artanti, “Komparasi Metode Elimination Et Choix Traduisant La Realite (Electre) dan K-NN Similarity dalam Sistem Pendukung Keputusan Pemilihan Konsentrasi Jurusan Siswa SMK,” Repository Horizon University Indonesia, accessed November 14, 2024, https://repository.horizon.ac.id/items/show/3326.