Penerapan Teknik Klasifikasi Untuk Prediksi Status Mahasiswa Menggunakan Algoritma K- Nearest Neighbour

Authors

  • I Nyoman Yogi Setiawan Institut Teknologi dan Bisnis STIKOM BALI
  • Ni Luh Gede Pivin Suwirmayanti Institut Teknologi dan Bisnis STIKOM BALI
  • Ni Wayan Ari Ulandari Institut Teknologi dan Bisnis STIKOM BALI

Keywords:

Algoritma K-Nearest Neighbor, Prediksi, Klasifikasi, Mahasiswa

Abstract

Program pembelajaran sistem informasi Institut Teknologi dan Bisnis STIKOM Bali memerlukan perhatianPermasalahan yang diakibatkan oleh naik turunnya status aktif dan tidak aktif mahasiswa pada yang mendalam. Seiring dengan bertambahnya jumlah siswa dari tahun ke tahun, data pun terakumulasi dalam jumlah yang besar. Penelitian ini bertujuan untuk mengembangkan
model prediktif yang mampu memprediksi status mahasiswa (aktif atau tidak aktif) selama perkuliahan dengan menggunakan metode K-Nearest Neighbours (K-NN) yang berpusat pada konsep yang paling dekat dengan mayoritas kelas. Penelitian ini menggunakan data sampel mahasiswa angakatan 2017 Institut Teknologi dan Bisnis STIKOM Bali yang terdiri dari 15 data latih dan 1 data uji. Parameter pada metode K-NN ditetapkan k=5. Harapan dari penelitian ini adalah dapat membantu meningkatkan angka keaktifan mahasiswa dan menginspirasi partisipasi aktif selama perkuliahan.

Downloads

Published

2023-11-23

How to Cite

I Nyoman Yogi Setiawan, Ni Luh Gede Pivin Suwirmayanti, & Ni Wayan Ari Ulandari. (2023). Penerapan Teknik Klasifikasi Untuk Prediksi Status Mahasiswa Menggunakan Algoritma K- Nearest Neighbour. Seminar Hasil Penelitian Informatika Dan Komputer (SPINTER) | Institut Teknologi Dan Bisnis STIKOM Bali, 149–154. Retrieved from https://spinter.stikom-bali.ac.id/index.php/spinter/article/view/50

Issue

Prosiding Seminar Hasil Penelitian Informatika dan Komputer 2023

Section

Articles