Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor

Arie Yandi Saputra, Yogi Primadasa

Abstract


Tidak stabilnya kelulusan mahasiswa program studi Sistem Informasi pada STMIK Bina Nusantara JayaLubuklinggau menjadi tugas yang berat bagi Program Studi. Bertambahnya mahasiswa tiap tahunnya menyebabkan penumpukan data mahasiswa. Prediksi ketepatan kelulusan mahasiswa dirancang untuk mendukung prodi untuk membimbing mahasiswa agar kelulusan tepat waktu. Dengan mengetahui prediksi status kelulusan mahasiswa berjalannya perkuliahan, maka dari itu prodi di bantu pembimbing akademik dapat memberi perhatian khusus terhadap mahasiswa yang di prediksi tidak lulus tepat waktu (terlambat) sehingga mahasiswa tersebut dapat memperbaiki indeks prestasinya tiap semester agar dapat lulus tepat waktu. Dalam penelitian ini untuk memprediksi kelulusan mahasiswa menggunakan algoritma K-Nearest Neighbor. K-Nearest Neighbor merupakan metode klasifikasi, dimana kelas yang paling banyak muncul (mayoritas) yang akan menjadi kelas hasil klasifikasi. Penelitian ini mengambil sample data mahasiswa semester V STMIK Bina Nusantara Jaya Lubuklinggau, menggunakan 9 data training dan 1 data testing. Dengan menggunakan k=5 yang diterapkan menggunakan metode K-Nearest Neighbor untuk prediksi kelulusan mahasiswa.

Keywords


Algoritma K-Nearest Neighbor, Prediksi, Klasifikasi, Mahasiswa

Full Text:

PDF

References


A. Rohman, “Model Algoritma K-Nearest Neighbor (K-Nn) Untuk Prediksi Kelulusan Mahasiswa, Fakultas Teknik Universitas Pandanaran Semarang.”

Sumarlin,2015 “Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM,” J. Sist. Inf. Bisnis, vol. 01, pp. 52–62,.

R. I. Ndaumanu and M. R. Arief, Kusrini,2014 “Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa dengan Metode K-Nearest Neighbor,” Jatisi, vol. 1, no. 1, pp. 1–15,.

N. Krisandi, B. Prihandono, and Helmi, 2013 “Algoritma K - Nearest Neighbor Dalam Klasifikasi Data Hasil Produksi Kelapa Sawit Pada PT. MINAMAS Kecamatan Parindu,” Bul. Ilm. Math.Stat.dan Ter., vol. 02, no. 1, pp. 33–38,.

M. S. Mustafa and I. W. Simpen, 2014 “Perancangan Aplikasi Prediksi Kelulusan Tepat Waktu Bagi Mahasiswa Baru Dengan Teknik Data Mining ( Studi Kasus : Data Akademik Mahasiswa STMIK Dipanegara Makassar ),” Citec J., vol. Vol. 1, No, pp. 270–281,.

Mustakim,Giantika O, 2016 “Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa,” J. Sains dan Teknol. Ind., vol. 13, no. 2, pp. 195–202,.

C. S. Fatoni and F. D. Noviandha, 2017 “Case Based Reasoning Diagnosis Penyakit Difteri dengan Algoritma K-Nearest Neighbor”,Citec J., vol. 4, pp. 220–232,.

Tanjung I.H, 2012, "Peramalan Jumlah Penjualan Distributor Telur Terhadap Permintaan Pasar Menggunakan Metode Average-Based Fuzzy Time Series (ABFTS)", Program Sarjana, Universitas Sumatra Utara, Medan

Kusrini,Emha T.Luthfi,2009, "Algoritma Data Mining”. Andi, Yogyakarta

Fayyad,Usama,1996. Advances in Knowledge Discovery and Data Mining .MIT Press.

Ian H. Witten, Frank Eibe, Mark A.Hall, Data Mining: Practical Machine Learning Tools and Technique3rd Edition,Elsevier,2011.

F. Gorunescu,2011"Data Mining: Concepts, Models and Techniques",Verlag Berlin Heidelberg: Springer,.


Refbacks

  • There are currently no refbacks.




 

Jurnal Techno.Com terindex di :

 

Jurnal Teknologi Informasi Techno.Com (p-ISSN : 1412-2693e-ISSN : 2356-2579) diterbitkan oleh IndoCEISS dan LPPM Universitas Dian Nuswantoro Semarang. Jurnal ini di bawah lisensi Creative Commons Attribution 4.0 International License.