dc.description.abstract |
Penelitian ini bertujuan untuk membandingkan kinerja dua metode prediksi, yaitu
Monte Carlo dan K-Nearest Neighbors (K-NN), dalam memprediksi nilai peserta
didik pada Uji Kompetensi Kejuruan (UKK). Monte Carlo dikenal sebagai metode
statistik yang menggunakan simulasi acak untuk menghasilkan hasil prediktif,
sementara K-NN adalah metode pembelajaran mesin yang menggunakan tetangga
terdekat untuk klasifikasi dan regresi. Dalam penelitian ini, data nilai peserta didik
dikumpulkan dan dibagi menjadi data latih dan data uji. Akurasi prediksi dari kedua
metode tersebut dihitung dan dibandingkan. Hasil penelitian menunjukkan bahwa
metode Monte Carlo memberikan akurasi prediksi sebesar 85,26%, sedangkan
metode K-NN memberikan akurasi prediksi sebesar 85,37%. Dengan demikian, K
NN sedikit lebih unggul dalam hal akurasi prediksi dibandingkan Monte Carlo.
Penelitian ini memberikan wawasan berharga dalam memilih metode prediksi yang
lebih efektif untuk evaluasi nilai peserta didik pada UKK. |
en_US |