Penerapan Algoritma Modified K-Nearest Neighbour (MKNN) Pada Klasifikasi Masa Studi Mahasiswa Teknik Informatika Application of the Modified K-Nearest Neighbour (MKNN) AlgorithmIn the Classification of the Study Period of Informatics Engineering Student

Aldiyan Iman Saputra, Hardian Oktavianto, Habibatul Aziza Al Faruq

Abstract


Mahasiswa dapat diartikan sebagai seseorang yang sedang dalam proses menimba ilmu dan sedang menjalani pendidikan pada salah satu bentuk perguruan tinggi, yang terdiri dari akademik, politeknik, sekolah tinggi, institut dan universitas. Program Sarjana (S1) merupakan jenjang pertama program akademik yang mempunyai beban studi 144 sampai 160 SKS, dijadwalkan sekurang- kurangnya 8 semester dan selama-lamanya 14 semester. Data yang digunakan yaitu data IPS (Indeks Prestasi Semester) dari semester 1 sampai semester 6 yang akan dijadikan dasar perhitungan prediksi dengan harapan dapat menemukan informasi mahasiswa yang terindikasi lulus tepat waktu dan tidak tepat waktu. Model   algoritma   yang   digunakan   untuk   mendukung   prediksi   masa   studi mahasiswa adalah algoritma Modified K-Nearest Neighbor. Tujuan dari penelitian ini  untuk  mengetahui  dan  mengukur  tingkat  akurasi,  presisi  dan  recall  pada metode Modified K-Nearest Neighbor. Klasifikasi Masa Studi Mahasiswa Teknik Informatika menggunakan metode Modified K-Nearest Neighbour dengan data yang digunakan diambil dari UPT Pusat Data dan Informasi Universitas Muhammadiyah Jember, dengan jumlah data 260 data dan 2 kelas output. Berdasarkan  hasil  pengujian  yang  telah  dilakukan  didapatkan  hasil  akurasi tertinggi sebesar 84,62%, hasil presisi tertinggi sebesar 100%, dan hasil recall tertinggi sebesar 75% pada K = 3.

Keywords: Mahasiswa, Indeks Prestasi Semester, Metode Modified K-Nearest Neighbor.


Full Text:

PDF

References


Gorunescu, F. (2011). Data mining: Concepts, models and techniques. Intelligent Systems Reference Library. https://doi.org/10.1007/978-3-642-19721-5

Hartaji, R. D. A., & Sedjo, P. (2012). Berkuliah Dengan Jurusan Pilihan Orang Tua. Skripsi. Fakultas Psikologi Universitas Gunadarma.

Mardi, Y. (2017). Data Mining : Klasifikasi Menggunakan Algoritma C4.5. Jurnal Edik Informatika, 2(2), 213–219.

Muhammad, B. L. (2015). Modified Nearest Neighbor Untuk Prediksi Curah Hujan. Konferensi Nasional Sistem Dan Informatika 2015, 1, 272–277.

Parvin, H., Alizadeh, H., & Minati, B. (2010). A Modification on K-Nearest Neighbor Classifier. Global Journal of Computer Science and Technology.

Ramadina.,(2015). Penerapan Fungsi Data Mining Klasifikasi Untuk Prediksi Masa Studi Mahasiswa Tepat Waktu Pada Sistem Informasi Akademik Perguruan Tinggi.

Wafiyah Fakihatin., Hidayat Nurul., & Perdana Rizal Setya. (2017). Implementasi Algoritma Modified K-Nearest Neighbor (MKNN) untuk klasifikasi Penyakit demam.

Amelia, M. winny, Lumenta, A. S. ., & Jacobus, A. (2017). Prediksi Masa Studi Mahasiswa dengan Menggunakan Algoritma Naïve Bayes. Jurnal Teknik Informatika, 11(1).

Fitri, A. D., Eka, R. D., & Wahyu, W. A. (2017). Deteksi Penyakit Kucing dengan Menggunakan Modified K-Nearest Neighbor Teroptimasi ( Studi Kasus : Puskeswan Klinik Hewan dan Satwa Sehat Kota Kediri ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 1(11), 1295–1301.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.