Skripsi

Perbandingan Algoritma K-Nearest Neighbor (K-NN) dan Classification and Regression Trees (Cart) pada Data Mining untuk Penerimaan Beasiswa (Studi Kasus : STMIK AMIKOM Purwokerto)

---

bibliografi: hal. 82

Abstrak
Beasiswa adalah bentuk bantuan yang diberikan kepada individu dalam keberlangsungan pendidikan yang sedang ditempuh. Oleh sebab itu, beasiswa harus diberikan kepada penerima yang memang layak dan pantas untuk mendapatkannya. Dalam tugas akhir ini, penulis melakukan perbandingan 2 algoritma untuk memprediksi mahasiswa penerima beasiswa, dimana algoritma yang digunakan adalah K-Nearest Neighbor (KNN) dan Classification and Regression Tress (CART). Data yang digunakan adalah mahasiswa pendaftar beasiswa STMIK AMIKOM Purwokerto tahun 2015-2016 dengan jumlah data 150. Atribut yang digunakan adalah jenis kelamin, semester, IPK, pekerjaan orang tua, jumlah anggota keluarga, penghasilan orang tua, prestasi, dan status. Dari perhitungan yang dilakukan, didapatkan hasil akurasi dari masing-masing algoritma yaitu 99.2958 % dengan nilai precision0.993, recall 0.993, dan F-measure 0.993 pada algoritma KNN. Sementara pada algoritma CART didapatkan nilai akurasi sebesar 71.1268% dengan nilai precision0.506, recall0.711, dan F-measure0.591.

Kata kunci :Beasiswa, Data Mining, Klasifikasi, KNN, CART

---

Ketersediaan

TI1352

TI 1352 RAH p

UPT. PERPUSTAKAAN (Rak 1)

Tersedia - No Loan

Informasi Detail

Judul Seri

-

No. Panggil

TI 1352 RAH p

Penerbit

Purwokerto : Universitas Amikom Purwokerto., 2017

Deskripsi Fisik

xviii, 81 hlm.: ilus.: lampiran.; 28 cm

Bahasa

Indonesia

ISBN/ISSN

13.11.0151

Klasifikasi

TI1352

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

April 2017

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Ingga Rossi Rahmadani

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar