Petrus Sokibi; Natalia Gunawan, Trivena; Lena Magdalena
Penelitian ini bertujuan untuk mengimplementasikan metode K-Nearest Neighbors (K-NN) dalam klasifikasi minat calon siswa-siswi di Able Ballet berdasarkan profil mereka. Metode K-NN digunakan karena kemampuannya dalam mengklasifikasikan data dengan tingkat akurasi yang tinggi. Penelitian dilakukan dengan mengumpulkan data profil siswa baru dan menggunakan metode K-NN untuk memprediksi minat mereka terhadap berbagai program yang ditawarkan. Hasil penelitian menunjukkan bahwa metode K-NN dapat mencapai tingkat akurasi sebesar 90% dalam klasifikasi minat siswa. Hal ini menunjukkan bahwa metode ini efektif dalam mendukung pengambilan keputusan untuk penempatan program yang sesuai bagi siswa baru. Penelitian ini juga menyarankan penggunaan dataset yang lebih besar dan eksplorasi metode lain seperti Support Vector Machine (SVM) untuk meningkatkan akurasi model di masa depan.