Penerapan Algoritma K-Nearest Neighbor Untuk Prediksi Mahasiswa Berpotensi Dropout
Main Article Content
Abstract
Peramalan atau prediksi mahasiswa berpotensi dropout digunakan untuk memonitor jumlah mahasiswa aktif agar perkuliahan lancar dan lulus tepat waktu. Prediksi menggunakan algoritma K-NN digunakan karena salah satu kelebihannya yaitu tangguh terhadap training data yang noise dan efektif
apabila data latih nya besar. Setelah didapat hasil dari proses K-NN lalu dilakukan pengujian menggunakan confusionmatrix menghasilkan nilai akurasi 0,83. Nilai presisi 1 dan nilai recall 0,78.
Article Details
How to Cite
Nurwati, N., Azizah, N., & Santoso, Y. (2023). Penerapan Algoritma K-Nearest Neighbor Untuk Prediksi Mahasiswa Berpotensi Dropout. Journal Sensi: Strategic of Education in Information System, 9(1), 74-83. https://doi.org/https://doi.org/10.33050/sensi.v9i1.2624
Section
Articles
References
[1] Jasmir, D. Zaenal, P. A. J, and E. Rasywir, “Prediksi Mahasiswa Drop Out Dengan Menggunakan Algoritma Klasifikasi Data Mining,” Pros. Annu. Res. Semin., vol. 4, no. 1, pp. 82–87, 2018, [Online]. Available: http://seminar.ilkom.unsri.ac.id/index.php/ars/article/view/1864.
[2] U. A. Medan, S. O. Prosedur, and M. D. Out, “SISTEM PENJAMINAN MUTU INTERNAL (SPMI) Page 70.” pp. 70–72, 2015.
[3] Kemendikbud, “Statistik Pendidikan Tinggi (Higer Education Statistic) 2020,” PDDikti Kemendikbud. pp. 81–85, 2020, [Online]. Available: https://pddikti.kemdikbud.go.id/publikasi.
[4] R. N. Sukmana, Abdurrahman, and Y. Wicaksono, “Implementasi K-Nearest Neighbor Untuk Menentukan Prediksi Penjualan (Studi Kasus : PT Maksiplus Utama Indonesia),” J. Teknol. Inf. dan Komun. Vol. 8 No. 2, Desember 2020, vol. 8, no. 2, pp. 31–38, 2020.
[5] M. Arifanto and E. Santoso, “Implementasi Metode K-Nearest Neighbor untuk prediksi penjualan kemasan skincare pada PT. Universal Jaya Perkasa,” Technologic, vol. 10, no. 8, pp. 1–9, 2015.
[6] A. J. Nathan and A. Scobell, “Model Algoritma K-nearest Neighbor untuk memprediksi kelulusan mahasiswa,” Foreign Aff., vol. 91, no. 5, pp. 1–9, 2012.
[7] Y. Yunita, “Implementasi K-Nearest Neighbor Dalam Prediksi Mahasiswa Berhenti Kuliah,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 866, 2021, doi: 10.30865/mib.v5i3.3049.
[8] S. R. Rani, S. R. Andani, and D. Suhendro, “Penerapan Algoritma K-Nearest Neighbor untuk Prediksi Kelulusan Siswa pada SMK Anak Bangsa,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 670, 2019, doi: 10.30645/senaris.v1i0.73.
[9] R. P. Kurniadi, V. P. Widartha, and U. Telkom, “Perbandingan Akurasi Algoritma K-Nearest Neighbor Dan Logistic,” e-Proceeding Eng., vol. 8, no. 5, pp. 9757–9764, 2021.
[2] U. A. Medan, S. O. Prosedur, and M. D. Out, “SISTEM PENJAMINAN MUTU INTERNAL (SPMI) Page 70.” pp. 70–72, 2015.
[3] Kemendikbud, “Statistik Pendidikan Tinggi (Higer Education Statistic) 2020,” PDDikti Kemendikbud. pp. 81–85, 2020, [Online]. Available: https://pddikti.kemdikbud.go.id/publikasi.
[4] R. N. Sukmana, Abdurrahman, and Y. Wicaksono, “Implementasi K-Nearest Neighbor Untuk Menentukan Prediksi Penjualan (Studi Kasus : PT Maksiplus Utama Indonesia),” J. Teknol. Inf. dan Komun. Vol. 8 No. 2, Desember 2020, vol. 8, no. 2, pp. 31–38, 2020.
[5] M. Arifanto and E. Santoso, “Implementasi Metode K-Nearest Neighbor untuk prediksi penjualan kemasan skincare pada PT. Universal Jaya Perkasa,” Technologic, vol. 10, no. 8, pp. 1–9, 2015.
[6] A. J. Nathan and A. Scobell, “Model Algoritma K-nearest Neighbor untuk memprediksi kelulusan mahasiswa,” Foreign Aff., vol. 91, no. 5, pp. 1–9, 2012.
[7] Y. Yunita, “Implementasi K-Nearest Neighbor Dalam Prediksi Mahasiswa Berhenti Kuliah,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 866, 2021, doi: 10.30865/mib.v5i3.3049.
[8] S. R. Rani, S. R. Andani, and D. Suhendro, “Penerapan Algoritma K-Nearest Neighbor untuk Prediksi Kelulusan Siswa pada SMK Anak Bangsa,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 670, 2019, doi: 10.30645/senaris.v1i0.73.
[9] R. P. Kurniadi, V. P. Widartha, and U. Telkom, “Perbandingan Akurasi Algoritma K-Nearest Neighbor Dan Logistic,” e-Proceeding Eng., vol. 8, no. 5, pp. 9757–9764, 2021.