Algoritma K-Nearest Neighbor Untuk Peramalan Kelulusan Mahasiswa
DOI:
https://doi.org/10.55338/justikpen.v4i1.128Keywords:
Data Mining, K-Nearest Neighbor, Graduation Forecasting, StudentsAbstract
Universitas Adzkia salah satu kampus swasta di Kota Padang dengan jumlah mahasiswa mencapai ribuan dan terus meningkat setiap tahunnya, manajemen kampus masih belum sepenuhnya memahami manfaat dari data akademik yang terus bertambah. Kondisi ini menunjukkan bahwa masih ada potensi yang belum tereksplorasi secara maksimal dari data akademik mahasiswa yang ada. Untuk menangani hal tersebut, maka dilakukan peramalan data mahasiswa untuk menentukan kelulusan. Prediksi yang dilakukan bertujuan untuk mendapatkan informasi dan pengetahuan dengan menggunakan Data Mining dengan teknik klasifikasi menggunakan algoritma K-Nearest Neighbor. Pada algoritma K-Nearest Neighbor dengan menghasilkan 2 klasifikasi yaitu lulus tepat waktu dan tidak tepat waktu. Berdasarkan pengujian menggunakan algoritma K-Nearest Neighbor dengan menggunakan 55 data mahasiswa yang sudah dibersihkan dan atribut yang digunakan adalah nilai indeks prestasi (IP) semester 1 sampai semester 6 dan total satuan kredit semester (SKS) lalu memberikan nilai k=3, menghasilkan klasifikasi “Tidak Tepat Waktu” untuk data ujinya. Hasil pengukuran accuracy algoritma K-Nearest Neighbor dalam memprediksi kelulusan mahasiswa Universitas Adzkia Angkatan 2016 sebesar 94,55%. Dengan demikian, algoritma K-Nearest Neigjbor dapat diterapkan untuk memprediksi kelulusan mahasiswa dengan baik
References
. R. Sepriansyah, S. D. Purnamasari, K. R. N. Wardani, and N. Halim, “Prediksi Kelulusan Mahasiswa Fakultas Teknik Universitas Bina Darma Menggunakan Algoritma Naïve Bayes,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 8, no. 1, pp. 313–322, 2023, doi: 10.29100/jipi.v8i1.3459.
. M. R. Qisthiano, P. A. Prayesy, and I. Ruswita, “Penerapan Algoritma Decision Tree dalam Klasifikasi Data Prediksi Kelulusan Mahasiswa,” G-Tech J. Teknol. Terap., vol. 7, no. 1, pp. 21–28, 2023, doi: 10.33379/gtech.v7i1.1850.
. R. Hikmah Tanjung, Y. Yunus, and G. Widi Nurcahyo, “Perbandingan algoritma c4.5 dan naive bayes dalam prediksi kelulusan mahasiswa,” J. Comput. Sci. Inf. Technol. ( CoSciTech ), vol. 4, no. 1, pp. 193–199, 2023, doi: https://doi.org/10.37859/coscitech.v4i1.4755.
. S. Sutrisman, H. Syafwan, and R. Rohminatin, “Implementation of Trend Moment Method in Forecasting Regional Income,” Build. Informatics, Technol. Sci., vol. 4, no. 2, pp. 749–758, 2022, doi: 10.47065/bits.v4i2.2090
. M. N. Maskuri, K. Sukerti, and R. M. H. Bhakti, “Penerapan Algoritma K-Nearest Neighbor ( KNN ) untuk Memprediksi Penyakit Stroke,” vol. 4, no. 1, pp. 130–140, 2022.
. M. Yunus and N. kadek ari pratiwi, “JTIM : Jurnal Teknologi Informasi dan Multimedia Prediksi Status Gizi Balita Dengan Algoritma K-Nearest,” vol. 4, no. 4, pp. 221–231, 2023, doi: 10.35746/jtim.v4i4.328.
. R. Iriane, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Pangan Hewan Menggunakan Metode K-Nearest Neighbor,” vol. 3, no. 5, pp. 509–515, 2023.
. H. Nisya, C. Setianingsih, and W. Harjupa, “Prediksi Curah Hujan Dari Data Satelit Himawari-8 Menggunakan Metode K-Nearest Neighbor ( KNN ),” vol. 10, no. 1, pp. 729–735, 2023.
. R. Rudianto, R. Kania, and T. I. Solihati, “Prediksi Kelulusan Mahasiswa Teknik Informatika Universitas Banten Jaya Menggunakan Algoritma Neural Network,” J. Sist. Inf. dan Inform., vol. 5, no. 2, pp. 193–200, 2022, doi: 10.47080/simika.v5i2.2123.
. R. I. Sulthoni, L. A. Muharom, and M. Rahman, “Jurnal Smart Teknologi Analisis Tingkat Kepuasan Siswa Dalam Pembelajaran Hybyrid Menggunakan Algoritma K – Nearest Neighbor ( KNN ) Student Satisfaction Level Analysis In Hybyrid Learning Using K – Nearest Neighbor ( KNN ) Algorithm Jurnal Smart Teknolog,” vol. 4, no. 4, pp. 406–411, 2023
. F. N. Ikhromr et al., “Implementasi data mining untuk memprediksi penyakit diabetes menggunakan algoritma naives bayes dan k-nearest neighbor implementation of data mining to predict diabetes disease using naives bayes and k-nearest neighbor algorithms,” vol. 6, pp. 416–428, 2023.
. A. Firmansyah and J. Prianggono, “PREDIKSI TINDAK PIDANA UU ITE DENGAN METODE K-NN OLEH PERSONEL POLRES METRO BEKASI ERA POLICE 4.0,” vol. 2, no. 5, pp. 1240–1248, 2023.
. A. P. Silalahi and H. G. Simanullang, “Supervised Learning Metode K-Nearest Neighbor Untuk Prediksi Diabetes Pada Wanita,” METHOMIKA J. Manaj. Inform. dan Komputerisasi Akunt., vol. 7, no. 1, pp. 144–149, 2023, doi: 10.46880/jmika.vol7no1.pp144-149.
. S. Latuconsina and M. Y. Matdoan, “PREDIKSI PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DENGAN METODE K-NEAREST NEIGHBOR DI KABUPATEN MALUKU TENGAH,” vol. 19, no. 2, pp. 254–261, 2022.
. R. N. Sukmana, Abdurrahman, and Y. Wicaksono, “IMPLEMENTASI K-NEAREST NEIGHBOR UNTUK MENENTUKAN PREDIKSI PENJUALAN (STUDI KASUS : PT MAKSIPLUS UTAMA INDONESIA) Rini,” vol. 8, no. 2, pp. 31–38, 2020.
. Rismala, I. Ali, and A. Rizki Rinaldi, “PENERAPAN METODE K-NEAREST NEIGHBOR UNTUK PREDIKSI,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 585–590, 2023.
. J. Supriyanto, D. Alita, and A. R. Isnain, “Penerapan Algoritma K-Nearest Neighbor ( K-NN ) Untuk Analisis Sentimen Publik Terhadap Pembelajaran Daring,” vol. 4, pp. 74–80, 2023.
. M. Faisal, W. S. Utami, and S. Parmica, “Implementasi Algoritma K-Nearest Neighbor ( KNN ) Dalam Memprediksi Indeks Kemiskinan,” vol. 09, no. 01, pp. 11–23, 2023.
. E. Nasri and A. S. AW, “Aplikasi Seleksi Penentuan Nasabah Untuk Penjualan Barang Secara Kredit Dengan Algoritma K-Nearest Neighbor,” J. Ilm. Sains dan Teknol. Univ. Baten Jaya, vol. 4, no. 1, pp. 1–11, 2020.
. R. Fahrur and M. Bagoes Satria Junianto, “Penerapan Machine Learning Untuk Prediksi Harga Saham PT . Telekomunikasi Indonesia Tbk Menggunakan Algoritma,” vol. 1, no. 1, pp. 18–24, 2023.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Febri Andika Putra, Muhammad Harits Pratama
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
