Implementasi Algoritma K-Nearest Neighbor Berbasis Forward Selection Untuk Prediksi Mahasiswa Non Aktif Universitas Dian Nuswantoro Semarang

Authors

  • Abu Salam Universitas Dian Nuswantoro
  • Ferry Bintang Nugroho
  • Junta Zeniarja

DOI:

https://doi.org/10.33633/joins.v5i1.3351

Abstract

Masalah yang muncul berkaitan dengan status mahasiswa salah satunya adalah status mahasiswa yang non aktif. Beberapa faktor penyebab status non aktif tersebut diantaranya adalah faktor ekonomi, kemampuan akademik, dan lain – lain. Manajemen perguruan tinggi perlu mengidentifikasi serta melakukan tindakan terhadap mahasiswa yang mempunyai status “tidak diharapkan†untuk mengetahui faktor munculnya masalah tersebut perlu dilakukan evaluasi saat pertengahan masa studi mahasiswa guna mencegah sedini mungkin munculnya mahasiswa yang diindikasi terdapat status tidak aktif untuk mengurangi dampak yang ditimbulkan akibat status non aktif tersebut. Pada penelitian ini akan dilakukan prediksi mahasiswa non aktif menggunakan algoritma klasifikasi K-Nearest Neighbor yang dikombinasikan dengan metode forward selection untuk seleksi atribut yang diharapkan mampu meningkatkan nilai akurasi pada proses klasifikasi. Nilai akurasi yang didapatkan pada algoritma K-Nearest Neighbor sebesar 96.43% sedangkan pada algoritma K-Nearest Neighbor berbasis Forward Selection sebesar 97.27%. Kata Kunci: Mahasiswa Non Aktif, Forward Selection, K-Nearest Neighbor

References

Tim Penyusun Statistik Pendidikan Tinggi Tahun 2017, Statistik Pendidikan Tinggi Tahun 2017, Kemenristekdikti Republik Indonesia, 2017.

K. Hastuti, "Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Mahasiswa Non Aktif," in Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2012, Semarang, 2012.

Y. Atma and A. Setyanto, "Perbandingan Algoritma C4.5 dan K-NN Dalam Identifikasi Mahasiswa Berpotensi Drop Out," Metik Jurnal, vol. II, pp. 31-37, 2018.

Kusrini, E. Sasmita and H. Al Fatta, "Prediksi Kelulusan Mahasiswa Magister Teknik Informatika Universitas Amikom Yogyakarta Menggunakan Metode K-Nearest Neighbor," Jurnal Teknologi Informasi, vol. XIII, pp. 67-72, 2018.

D. Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan, Yogyakarta: Deepublish, 2014.

D. Larose and C. Larose, Data Mining and Predictive Analytics (Second Edition), New Jersey: John Wiley & Sons Inc, 2015.

Tim Penyusun Keputusan Rektor UDINUS, "Keputusan Rektor Universitas Dian Nuswantoro Nomor : 077/KEP/UDN-01/VIII/2018 Tentang Peraturan Akademik Universitas Dian Nuswantoro," Universitas Dian Nuswantoro, Semarang, 2018.

S. Tabakhi, P. Moradi and F. Akhlaghian, "An unsupervised feature selection algorithm based," Engineering Applications of Artificial Intelligence, vol. XXXII, pp. 112-123, 2014.

E. Hardiyanto and F. Rahutomo, "Studi Awal Klasifikasi Artikel Wikipedia Bahasa Indonesia Dengan Menggunakan Metoda K Nearest Neighbor," in Seminar Nasional Terapan Riset Inovatif, Semarang, 2016.

M. Lestari, "Penerapan Algoritma Klasifikasi Nearest Neighbor (K-NN) Untuk Mendeteksi Penyakit Jantung," Faktor Exacta, vol. VII, no. 4, pp. 366-371, 2014.

C. Vercellis, Business Intelligence:Data Mining and Optimizationfor Decision Making, Milan: John Wiley & Sons Ltd, 2009.

Downloads

Published

2020-05-31

How to Cite

[1]
A. Salam, F. B. Nugroho, and J. Zeniarja, “Implementasi Algoritma K-Nearest Neighbor Berbasis Forward Selection Untuk Prediksi Mahasiswa Non Aktif Universitas Dian Nuswantoro Semarang”, Journal of Information System, vol. 5, no. 1, pp. 69–76, May 2020.

Issue

Vol. 5 No. 1 (2020): Edisi Mei 2020

Section

Articles

License

Authors who publish with this journal agree to the following terms:

    1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
    2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
    3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.