IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK MEMPREDIKSI KELULUSAN MAHASISWA (STUDI KASUS MAHASISWA FAKULTAS TEKNOLOGI INFORMASI, UNIVERSITAS ANDALAS)

Hendra, Yomei (2019) IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK MEMPREDIKSI KELULUSAN MAHASISWA (STUDI KASUS MAHASISWA FAKULTAS TEKNOLOGI INFORMASI, UNIVERSITAS ANDALAS). Masters thesis, Universitas Putra Indonesia "YPTK".

Preview	Text (abstrak) TEHSIS_YOMEI HENDRA_172321077_Abstrak.pdf Download (146kB) | Preview
Preview	Text (bab 1) TEHSIS_YOMEI HENDRA_172321077_BAB 1.pdf Download (173kB) | Preview
Preview	Text (daftar pustaka) TEHSIS_YOMEI HENDRA_172321077_Daftar Pustaka.pdf Download (127kB) | Preview
	Text (full text) TEHSIS_YOMEI HENDRA_172321077_FULL TEXT.pdf Restricted to Repository staff only Download (4MB)

Abstract

Dalam dunia pendidikan terutama di universitas, tingkat kelulusan merupakan salah satu elemen penting dalam penilaiaan akreditasi universitas. Semakin banyak yang lulus dengan cepat dan tepat waktu semakin baik pula penilaian dalam akreditasi. Karena itu dibutuhkan suatu metode untuk memantau dan mengevaluasi masa studi mahasiswa dengan memperhatikan penyebab yang membuat masa studi mahasiswa itu lulus tepat waktu maupun yang tidak tepat waktu. Memprediksi waktu kelulusan mahasiswa dapat dilakukan dengan menggunakan Metode K-Nearest Neighbor yang merupakan sebuah algoritma untuk melakukan klasifikasi terhadap objek berdasarkan data yang jaraknya paling dekat dengan objek tersebut. Penelitian ini menggunakan data akademik indeks prestasi mahasiswa dari semester 1-6 dan total sks pada angkatan 2011. Hasil dari pengujian terhadap metode ini mempunyai akurasi sebesar 85,96% yang diambil dari 57 data training dengan menggunakan k=3. Hasil pengujian dari metode K-Nearest Neighbor ini sangat bermanfaat bagi fakultas teknologi informasi universitas andalas untuk mengevaluasi dan meningkatkan metode pembelajaran agar bisa mencapai tingkat kelulusan yang diinginkan sesuai penilaiaan akreditasi universitas. Kata kunci: K-Nearest Neighbor, data akademik, Prediksi kelulusan.

Actions (login required)

View Item