Teknik Klasifikasi Prediksi Kelulusan Mahasiswa Sistem Informasi Universitas Sari Mutiara Indonesia Menggunakan K- Nearest Neighbors
Article Sidebar
Main Article Content
Abstract
Tidak stabilnya rasio tingkat kelulusan mahasiswa program studi Sistem Informasi pada Universitas Sari Mutiara Indonesia menciptakan kondisi yang membuat adanya suatu penumpukan data. Teknik data mining dapat digunakan untuk memprediksi kelulusan tepat waktu mahasiswa. Penelitian menggunakan metode k-Nearest Nieghbors yang merupakan sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data training yang jaraknya paling dekat dengan objek tersebut. Pada penelitian ini menggunakan data mahasiswa tahun angkatan 2014 sampai dengan 2017 dengan jumlah data sebanyak 104 orang. Hasil dari perhitungan algoritma kNN diimplememetasikan dengan jupyter notebook. Tingkat akurasi pengujian model kelulusan mahasiswa dengan menggunakan algoritma k-Nearest Neighbor (kNN) dipengaruhi oleh missing value indeks prestasi semester. missing value diganti dengan angka 0 maka hasil akurasi tertinggi adalah 95% dengan k=3. Jadi k terbaik adalah k=3 berdasarkan indeks prestasi sampai dengan semester 6.
Downloads
Article Details
References
A. Rohman, “Model Algoritma K-Nearest Neighbor (K-Nn) Untuk Prediksi Kelulusan Mahasiswa,” Neo Tek., vol. 1, no. 1, 2015, doi: 10.37760/neoteknika.v1i1.350.
I. A. Nikmatun and I. Waspada,
“Implementasi Data Mining untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” J. SIMETRIS, vol. 10, no. 2, pp. 421–432, 2019.
S. Agarwal, Data mining: Data mining concepts and techniques. 2014.
F. Gorunescu, Data Mining: Concepts, Models and Techniques. Springer Science & Business Media, 2011.
Mustakim and G. Oktaviani F, “Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa,” vol. 13, no. 2, pp. 195–202, 2016.
E. Turban, DECISION support systems and intelligent systems (sistem pendukung keputusan dan sistem cerdas). Yogyakarta: Andi, 2005.
A. Y. Saputra and Y. Primadasa, “Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” Techno.Com, vol. 17, no. 4, pp. 395–403, 2018, doi: 10.33633/tc.v17i4.1864.
J. H. & M. Kamber, Data Mining Concepts and Techniques Second Edition. United States of America: British Library Cataloguing-in-Publication Data, 2006.
W. Andhika, “Belajar machine-learning, basic of scikit-learn,” 2019. https://medium.com/@wahyuandhika/bel ajar-machine-learning-basic-of-scikit-learn-a1685db819a8.