Penerapan Algoritma KNearest Neighbor Untuk Prediksi Mahasiswa Berpotensi Dropout
DOI:
https://doi.org/10.33050/sensi.v9i1.2624Keywords:
dropout, K-NN, prediksiAbstract
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.
Downloads
Download data is not yet available.
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.
