Detail Cantuman Kembali
IMPLEMENTASI DATA MININGrnUNTUK MEMPERKIRAKAN MASA STUDI MAHASISWArnDENGAN METODE K- NEAREST NEIGHBOR (K-NN)
- Bagikan:
Dalam sistem pendidikan tinggi, kelulusan mahasiswa merupakan aspekrnpenting yang berpengaruh pada keberlangsungan institusi. Seperti STMIKrnAkakom Yogyakarta yang memiliki mahasiswa baru sebanyak 450 – 500 orangrnsetiap tahun. Dengan jumlah tersebut, terdapat kemungkinan mahasiswa yangrntidak lulus tepat waktu sesuai dengan jenjang pendidikannya yang menyebabkanrnpenumpukan mahasiswa karena tidak sesuai jumlah mahasiswa masuk dan lulus.rnPermasalahan tersebut dapat dianalisis dari data yang tersimpan dirnbasisdata akademik perguruan tinggi. Data tersebut dapat dieksplorasi sehinggarnmenghasilkan pola yang dapat bermanfaat. Data Mining dapat digunakan untukrnmenemukan pola, hubungan dalam data yang berjumlah besar. Salah satu teknikrndata mining adalah K-Nearest Neighbor yang diterapkan dalam memprediksirnmasa studi mahasiswa dengan Euclidean Distance sebagai rumus perhitunganrnjarak. Atribut yang digunakan adalah indeks prestasi semester 1 sampai dengan 4rndan total sistem kredit semester(sks) yang telah ditempuh pada semester ke– 4.rnBerdsarkan hasil pengujian yang dilakukan terhadap 20 mahasiswarnsebagai data testing, diperoleh hasil akurasi tertinggi sebesar 70% yang dicapairnpada nilai k =20, k=25, dan k=30.rnKata kunci : Data mining, K- Nearest Neighbor (K-NN), mahasiswa, masarnstudi
056 Yul i R.1
NONE
Text Skripsi
Indonesia
STMIK AKAKOM
2018
Yogyakarta
xv, 49 hlm, ilus; 29 cm
LOADING LIST...
LOADING LIST...