Klasifikasi Penerima Beasiswa Indonesia Pintar Melalui Implemantasi Algoritma K-Nearst Neighbor

Abstract

Program Indonesia Pintar (PIP) merupakan inisiatif pemerintah Indonesia yang bertujuan untuk meningkatkan akses pendidikan bagi siswa dari keluarga kurang mampu. Efektivitas program ini sangat bergantung pada kemampuan untuk mengidentifikasi calon penerima beasiswa yang tepat. Penelitian ini bertujuan untuk mengklasifikasikan calon penerima beasiswa PIP menggunakan algoritma K-Nearest Neighbor (KNN). Al- goritma KNN dipilih karena kemampuannya dalam menangani data dengan dimensi tinggi dan mengelompokkan data berdasarkan kedeka- tannya dengan titik data lainnya. Data yang digunakan dalam penelitian ini mencakup variabel-variabel seperti kondisi ekonomi keluarga, pres- tasi akademik, dan faktor sosial lainnya. Hasil dari implementasi algo- ritma KNN menunjukkan bahwa model ini dapat memberikan akurasi klasifikasi yang tinggi dalam menentukan calon penerima beasiswa. Dengan nilai akurasi mencapai X%, algoritma KNN terbukti efektif da- lam mengidentifikasi siswa yang memenuhi syarat untuk menerima beasiswa. Penelitian ini menyimpulkan bahwa algoritma KNN merupa- kan alat yang berguna untuk mendukung proses seleksi beasiswa dan dapat diintegrasikan dengan sistem pendukung keputusan dalam program PIP. Temuan ini diharapkan dapat memberikan kontribusi dalam mening- katkan efisiensi dan efektivitas distribusi beasiswa di Indonesia

The Smart Indonesia Program (PIP) is an Indonesian government initia- tive which aims to increase access to education for students from under- privileged families. The effectiveness of this program is highly dependent on the ability to identify appropriate prospective scholarship recipients. This research aims to classify prospective PIP scholarship recipients us- ing the K-Nearest Neighbor (KNN) algorithm. The KNN algorithm was chosen because of its ability to handle high-dimensional data and group data based on its proximity to other data points. The data used in this research includes variables such as family economic conditions, aca- demic achievement, and other social factors. The results of implementing the KNN algorithm show that this model can provide high classification accuracy in determining potential scholarship recipients. With an accu- racy value of up to X%, the KNN algorithm has proven to be effective in identifying students who are eligible to receive scholarships. This re- search concludes that the KNN algorithm is a useful tool to support the scholarship selection process and can be integrated with decision support systems in the PIP program. It is hoped that these findings can contribute to increasing the efficiency and effectiveness of scholarship distribution in Indonesia.