KLASIFIKASI SEKOLAH SLTP BANJARMASIN BERBASIS TIK BERDASARKAN SARANA DAN PRASARANA MENGGUNAKAN K-NEAREST NEIGHBOR BERBASIS PARTICLE SWARM OPTIMIZATION

Sari

Dua faktor yang dapat menjelaskan mengapa upaya perbaikan mutu pendidikan selama ini kurang atau tidak berhasil. Pertama sifat pembangunan selama ini lebih bersifat input oriented. Strategi yang demikian lebih bersandar kepada asumsi bahwa bilamana semua input pendidikan telah terpenuhi seperti penyediaan sarana prasarana berbasis TIK, pelatihan guru dan tenaga kependidikan lainnya, maka secara otomatis lembaga pendidikan (sekolah) akan menghasilkan output (keluaran) yang bermutu sebagaimana yang diharapkan.  Standar kompetensi berbasis TIK di klasifikasikan dalam label non berbatik, perintis, menengah dan lanjut, dalam pengambilan keputusan tersebut memerlukan waktu yang lama untuk menganalisa dalam mengklasifikasi sekolah berbasis TIK sehingga hasilnya menjadi kurang akurat, dari permasalahan yang ada tersebut digunakan metode klasifikasi pada data mining yang dapat mengklasifikasi SLTP berbasis TIK. Dalam penelitian ini diterapkan algoritma yang cukup baik dalam mengklasifikasi SLTP berbasis TIK yaitu metode K-Nearest Neighbor (KNN) dan Particle Swarm Optimization (PSO) yang digunakan untuk menghitung bobot setiap attributnya. Dari hasil pengujian dengan model tersebut maka hasil yang didapat algoritma KNN saja sudah menghasilkan akurasi sebesar 90% dan klasifikasi error sebesar 10% kemudian setelah dilakukan pembobotan berbasis PSO nilai akurasinya meningkat menjadi 97.14% dan klasifikasi error turun menjadi 2.86%. Hasil klasifikasi target perintis lebih banyak dari pada non berbatik, menengah dan lanjut, dengan adanya peningkatan tersebut model yang diperoleh pun menjadi lebih akurat dalam mengklasifikasi SLTP berbasis TIK.

Kata kunci : Data Mining, Algoritma K-Nearest Neighbor, Particle Swarm Optimization