Penerapan Algoritma k-Nearest Neighbour (kNN) dalam Memprediksi Kelulusan Mahasiswa pada Konteks Praktikum di Laboratorium
Keywords:
Algoritma K-Nearest Neighbor, Prediksi, Klasifikasi, Mahasiswa, LaboratoriumAbstract
Pentingnya pemahaman mahasiswa dalam mengikuti praktikum menjadi tolak ukur keberhasilan tenaga pengajar dalam menyampaikan materi praktikum. Prediksi kelulusan mahasiswa dirancang untuk mendukung tenaga pengajar untuk membimbing mahasiswa agar memberikan perhatian khusus terhadap mahasiswa yang di prediksi tidak lulus (tepat waktu) dalam praktikum di Laboratorium sehingga mahasiswa tersebut bisa memperbaiki kemampuannya agar dapat lulus praktikum tepat waktu. Dalam penelitian ini untuk memprediksi kelulusan mahasiswa menggunakan algoritma k-Nearest Neighbor. Algoritma kNN merupakan metode klasifikasi dimana kelas yang paling banyak muncul akan menjadi kelas hasil klasifikasi. Penelitian ini mengambil sample data mahasiswa semester VII salah satu Sekolah Tinggi Swasta di Jakarta Selatan, menggunakan 14 data training dan 1 data testing. Dengan menggunakan k=9 yang diterapkan menggunakan metode k-Nearest Neighbor untuk memprediksi kelulusan mahasiswa.
References
[1] A. Rohman,2015 “Model Algoritma K-Nearest Neighbor (K-Nn) Untuk Prediksi Kelulusan Mahasiswa, Fakultas Teknik Universitas Pandanaran Semarang.”
[2] Yu, L., Chen, G., Koronios, A., Zhu, S., & Guo, X. (n.d.). Application and Comparison of Classification Techniques in Controlling Credit Risk. World, 2007–2007.
[3] Samsugi, S., Neneng, N., & Suprapto, G. N. F. (2021). Otomatisasi Pakan Kucing Berbasis Mikrokontroller Intel Galileo Dengan Interface Android. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 5(1), 143–152.
[4] Nurmahaludin, “Analisis Perbandingan Metode Jaringan Syaraf Tiruan Dan Regresi Linear BergandaPada Prakiraan Cuaca,” Jurnal INTEKNA, no. 2, 2014.
[5] Tomar, D., dan Agarwal, S., 2013, A Survey On Data Mining Approaches For Healthcare, Int. J. Bio-Science Bio-Technology, No. 5, Vol. 5, Hal 241–266.
[6] Fayyad, U., Shapiro-Piatetsky, G. & Smyth, P., 1996. From Data Mining to Knowledge Discovery in Database. AI Magazine, pp. 37-54.
[7] 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,.
[8] 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.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Riza Purwandi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.