Implementasi Algoritma K-Nearest Neighbor Untuk Menentukan Klasifikasi Kelulusan Mahasiswa Teknik Informatika
- Suswantia Andriani Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia
-
Alwis Nazir
*
Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru,
Indonesia
- Reski Mai Candra Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia
- Fadhilah Syafria Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia
- Iis Afrianty Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia (*) Corresponding Author
Abstract
Kinerja sebuah universitas dapat dinilai semakin baik jika terdapat peningkatan jumlah mahasiswa yang berhasil menyelesaikan masa studinya tepat waktu. Perguruan tinggi harus meningkatkan kualitas akademik mahasiswa dalam proses perkuliahan untuk hasil yang optimal. Namun kenyataannya banyak keterlambatan kelulusan mahasiswa pada Universitas Islam Negri Sultan Syaif Kasim Riau terkhusus jurusan Teknik Informatika ini yang menjadi permasalahan. Oleh karena itu dibutuhkannya sebuah analisa mengklasifikasi data kelulusan mahasiswa dengan memanfaatkan proses data mining. Penelitian ini menerapkan algoritma K-Nearest Neighbor (K-NN) pada proses klasifikasi. Tujuan penelitian ini adalah hasil dari klasifikasi kelulusan ini diharapkan dapat memberikan kontribusi bagi pihak fakultas teknik dan universitas dalam melakukan evaluasi dan perbaikan terhadap sistem pembelajaran, sehingga menghasilkan lulusan tepat waktu dan berkualitas. Data yang digunakan pada penelitian ini sebanyak 613 data 5 tahun terakhir dari tahun 2016 hingga 2020 dengan pembagian data dengan rasio 80 data untuk pelatihan (training) dan 20 data untuk pengujian (testing). Hasil evaluasi confusion matrix dari K = 3, K = 5, K = 7 menghasilkan akurasi tertinggi diperoleh ketika K = 3 dengan akurasi 93,06%, presisi 99,09%, dan recall 99,58%. Dari hasil penelitian, dapat ditarik kesimpulan bahwa penerapan data mining berhasil menciptakan model klasifikasi dengan memanfaatkan algoritma K-Nearest Neighbor (K-NN) dalam mengklasifikasikan status kelulusan mahasiswa pada program sudi Teknik Informatika di Universitas Islam Negeri Sultan Syarif Kasim Riau
Downloads
References
Muhammad Hasan, Tuti Khairani Harahap, Inanna, Uswatun Khasanah, Badroh Rif’ati, A A Musyaffa, Susanti, Sitti Hajerah Hasyim, Nuraisyiah, Ahmad Fuadi, Muh. Suranto, Fakhrurrazi, Nur Arisah, Ahmad Zaki, Cahya Edi Setyawan, Ebook Landasan Pendidikan. 2021. [Online]. Available: http://repository.uinjambi.ac.id/10882/1/EBOOK LANDASAN PENDIDIKAN %281%29.pdf#page=50
Z. S. Imelia Rosa Br Sinuhaji, “IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK KRISTEN NEUMANN INDONESIA,” CAHAYAtech, vol. 3, no. 11, p. 140, 2018, doi: 10.47047/ct.v6i2.10.
R. Situmorang et al., “MODEL ALGORITMA K-NEAREST NEIGHBOR ( K-NN ) DAN NAÏVE BAYES UNTUK PREDIKSI KELULUSAN MAHASISWA,” vol. 7, no. 1, pp. 250–254, 2023.
A. Putri, C. S. Hardiana, E. Novfuja, and ..., “Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir,” … Indones. J. …, vol. 3, no. April, pp. 20–26, 2023, [Online]. Available: https://journal.irpi.or.id/index.php/malcom/article/view/610
R. Muliono, J. H. Lubis, and N. Khairina, “Analisis Algoritma K-Nearest Neighbors dalam Prediksi Waktu Kelulusan Mahasiswa,” Semant. (Seminar Nas. Tek. Inform., vol. 2, no. 1, pp. 12–16, 2019.
I. P. J. Tafonao, A. F. K. Sibero, and D. Mining, “Sistem Informasi Universitas Sari Mutiara Indonesia Menggunakan K- Nearest Neighbors,” vol. 7, no. 1, pp. 83–90, 2022.
M. F. Abadi, “KLASIFIKASI LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR,” J. Teknol. Pint., vol. 2, no. 12, pp. 1–17, 2022, [Online]. Available: http://teknologipintar.org/index.php/teknologipintar/article/view/247%0Ahttp://teknologipintar.org/index.php/teknologipintar/article/download/247/234
A. J. Nathan and A. Scobell, “Model Algoritma K-nearest Neighbor untuk memprediksi kelulusan mahasiswa,” Foreign Aff., vol. 91, no. 5, pp. 1–9, 2022.
L. Anshori, R. R. M. Putri, and Tibyani, “Implementasi Metode K-Nearest Neighbor untuk Rekomendasi Keminatan Studi (Studi Kasus : Jurusan Teknik Informatika Universitas Brawijaya),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 7, pp. 2745–2753, 2018, [Online]. Available: https://www.researchgate.net/publication/321097020_Implementasi_Metode_K-Nearest_Neighbor_untuk_Rekomendasi_Keminatan_Studi_Studi_Kasus_Jurusan_Teknik_Informatika_Universitas_Brawijaya
O. S. D. Putri and Y. P. P. Anggi, “Prediksi Kelulusan Mahasiswa dengan Metode K-Nearest Neighbor pada Jurusan Sistem Informasi Institut XYZ,” Semin. Nas. Tek. Elektro, Sist. Informasi, dan Tek. Inform., pp. 199–206, 2023.
B. Basuki, A. Nazir, S. K. Gusti, L. Handayani, and I. Iskandar, “Klasifikasi Tingkat Keberhasilan Produksi Ayam Broiler di Riau Menggunakan Algoritma K-Nearest Neighbor,” J. Sist. Komput. dan Inform., vol. 4, no. 3, p. 510, 2023, doi: 10.30865/json.v4i3.5800.
N. Nursobah, S. Lailiyah, B. Harpad, and M. Fahmi, “Penerapan Data Mining Untuk Prediksi Perkiraan Hujan dengan Menggunakan Algoritma K-Nearest Neighbor,” Build. Informatics, Technol. Sci., vol. 4, no. 3, 2022, doi: 10.47065/bits.v4i3.2564.
H. Hozairi, A. Anwari, and S. Alim, “Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive Bayes,” Netw. Eng. Res. Oper., vol. 6, no. 2, p. 133, 2021, doi: 10.21107/nero.v6i2.237.
D. Prasetyawan and R. Gatra, “Algoritma K-Nearest Neighbor untuk Memprediksi Prestasi Mahasiswa Berdasarkan Latar Belakang Pendidikan dan Ekonomi,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 7, no. 1, pp. 56–67, 2022, doi: 10.14421/jiska.2022.7.1.56-67.
D. Safitri, S. S. Hilabi, and F. Nurapriani, “Analisis Penggunaan Algoritma Klasifikasi Dalam Prediksi Kelulusan Menggunakan Orange Data Mining,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 8, no. 1, pp. 75–81, 2023, doi: 10.36341/rabit.v8i1.3009.
LOUIS MADAERDO SOTARJUA and DIAN BUDHI SANTOSO, “Perbandingan Algoritma Knn, Decision Tree, Dan Random Forest Pada Data Imbalanced Class Untuk Klasifikasi Promosi Karyawan,” J. INSTEK (Informatika Sains dan Teknol., vol. 7, no. 2, pp. 192–200, 2022, doi: 10.24252/instek.v7i2.31385.
I. A. Nikmatun and I. Waspada, “Implementasi Data Mining untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” J. SIMETRIS, vol. 10, no. 2, pp. 421–432, 2019.
Manarul Hidayat*; Ahmad Faqih; Tati Suprapti, “IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI KETEPATAN KELULUSAN,” vol. 10, no. 2, 2022.
R. Bahtiar, “Implementasi Data Mining Untuk Prediksi Penjualan Kusen Terlaris Menggunakan Metode K-Nearest Neighbor,” J. Inform. MULTI, vol. 1, no. 3, pp. 200–214, 2023, [Online]. Available: https://jurnal.publikasitecno.id/index.php/jim203
R. Iriane, “KLIK: Kajian Ilmiah Informatika dan Komputer Penerapan Data Mining Untuk Prediksi Penjualan Produk Pangan Hewan Menggunakan Metode K-Nearest Neighbor,” Media Online, vol. 3, no. 5, pp. 509–515, 2023, [Online]. Available: https://djournals.com/klik
Bila bermanfaat silahkan share artikel ini
Berikan Komentar Anda terhadap artikel Implementasi Algoritma K-Nearest Neighbor Untuk Menentukan Klasifikasi Kelulusan Mahasiswa Teknik Informatika
Pages: 922-930
Copyright (c) 2023 Alwis Nazir, Suswantia Andriani, Reski Mai Candra, Fadhilah Syafria, Iis Afrianty
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
