Image of Penerapan Metode Klasifikasi Data Mining Untuk Prediksi Kelulusan Mahasiswa STMIK AMIKOM Purwokerto Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Skripsi

Penerapan Metode Klasifikasi Data Mining Untuk Prediksi Kelulusan Mahasiswa STMIK AMIKOM Purwokerto Menggunakan Algoritma K-Nearest Neighbor (K-NN)

bibliografi: hal. 81

Abstrak

Angka kelulusan mahasiswa menjadi salah satu indikator dalam meningkatkan akreditasi suatu program studi. Kelulusan tepat waktu merupakan isu penting yang perlu disikapi dengan bijak oleh perguruan tinggi. Angka kelulusan yang tinggi mencerminkan keberhasilan dan merupakan sebuah prestasi bagi suatu perguruan tinggi. Oleh karena itu perlu adanya monitoring serta evaluasi terhadap kecenderungan kelulusan mahasiswa, tepat waktu atau tidak.Salah satunya dengan melakukan prediksi terhadap tingkat kelulusan mahasiswa dengan memanfaatkan teknik data mining. Metode klasifikasi data mining yang digunakan adalah algoritma K-Nearest Neighbor(K-NN). Atribut yang digunakanya itu jenis kelamin, jurusan asal sekolah, program studi IP Semester 1-6. Tujuan dari penelitian ini yaitu mengetahui tingkat akurasi yang dihasilkan oleh algoritma K-Nearest Neighbor (K-NN) dalam memprediksi tingkat kelulusan mahasiswa di STMIK AMIKOM Purwokerto dan untuk mengetahui perbandingan akurasi yang dihasilkan dari algoritma K-NN dan Decision tree. Metode pengumpulan data yang digunakan adalah studi pustaka dan observasi. Data yang digunakan berasal dari data mahasiswa, data nilai mahasiswa dan data kelulusan mahasiswa tahun angkatan 2010 - 2012 dengan jumlah total 2.189 record. Data set setelah pembersihan data yaitu data training sebanyak 667 record yang merupakan data mahasiswa tahun 2010 - 2011 yang lulus tepat waktu dan tidak tepat waktu, kemudian data testing 867 record yang merupakan data mahasiswa tahun 2010 – 2012 yang belum lulus. Hasil penelitian menunjukkan bahwa metode K-NN menghasilkan akurasi yang lebih tinggi yaitu sebesar 89,04% dibandingkan metode Decision tree yang digunakan dalam penelitian sebelumnya yang menghasilkan akurasi sebesar 79,00%.

Kata Kunci :data mining, klasifikasi, algoritma K-NN, kelulusan, tepat waktu

Ketersediaan
TI1542TI 1542 KUS pUPT. PERPUSTAKAAN (Rak 1)Tersedia - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
TI 1542 KUS p
Penerbit
Purwokerto : Universitas Amikom Purwokerto.,
Deskripsi Fisik
xviii, 80 hlm.: ilus.: lampiran.; 28 cm
Bahasa
Indonesia
ISBN/ISSN
12.11.0016
Klasifikasi
TI1542
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Oktober 2017
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar
Anda harus masuk sebelum memberikan komentar