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

Authors

  • Arie Yandi Saputra STMIK Bina Nusantara Jaya
  • Yogi Primadasa STMIK Bina Nusantara Jaya

DOI:

https://doi.org/10.33633/tc.v17i4.1864

Keywords:

Algoritma K-Nearest Neighbor, Prediksi, Klasifikasi, Mahasiswa

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.

References

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

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 Neighborâ€,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 Miningâ€. 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,.

Downloads

Published

2018-11-23

Issue

Vol. 17 No. 4 (2018): November 2018

Section

Articles

License

Copyright (c) 2018 Techno.Com

Creative Commons License

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

 

License Terms

All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:

1. Attribution

Readers and users are free to:

  • Share – Copy and redistribute the material in any medium or format.

  • Adapt – Remix, transform, and build upon the material.

As long as proper credit is given to the original work by citing the author(s) and the journal.

2. Non-Commercial Use

  • The material cannot be used for commercial purposes.

  • Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.

3. Rights of Authors

  • Authors retain copyright and grant Techno.COM Journal the right to publish the article.

  • Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.

4. No Additional Restrictions

  • The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.

5. Disclaimer

  • The journal is not responsible for how the published content is used by third parties.

  • The opinions expressed in the articles are solely those of the authors.

For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/

 

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.