Author : Giantika Oktaviani F

Adviser : Mustakim, ST., M.Kom

Abstract :

Penelitian ini dimaksudkan untuk melakukan prediksi terhadap predikat prestasi Mahasiswa yang akan diperoleh di masa yang akan datang. Proses prediksi dilakukan dengan menggunakan metode K Nearest Neighbor (K-NN). Atribut yang digunakan dalam proses prediksi adalah Jenis Kelamin, Jenis Tinggal, Umur, Jumlah Satuan Kredit Semester (SKS), dan Jumlah Nilai Mutu (NM), sehingga dengan menerapkan algortima K-NN dapat dilakukan sebuah prediksi berdasarkan kedekatan dari histori data lama (data training) dengan data baru (data testing). Penentuan atribut ini berdasarkan hasil wawancara dengan bagian Akademik Fakultas Sains dan Teknologi.Proses prediksi dilakukan terhadap Mahasiswa Program Studi Sistem Informasi angkatan 2014/2015sebagai data testing dengan jumlah 57 data berdasarkan dari data angkatan 2012/2013 sebagaidata training dengan jumlah 165 data yang menghasilkan pengujian akurasi sebesar 69,10%. Pengujian ini menggunakan cross validation sebanyak 3 kali cross dengan menggunaan k=3,k=4,k=5,k=6. Nilai tertinggi hasil akurasi adalah k=5. Hasil dari perhitungan algoritma K-NN diimplemenetasikan terhadap sebuah Early Warning System (EWS) dimana, output dari sistem ini dapat dijadikansebagai acuan bagi Mahasiswa untuk melakukan bimbingan dengan Pembimbing Akademik dalam meningkatkan predikat perkuliahan dimasa yang akan datang

Keyword : Early Warning System (EWS), K-Nearest Neighbor (K-NN),Prediksi Predikat Mahasiswa

Conclusion :

Berdasarakan dari analisa perhitungan dan percangan sistem pada bab sebelumnya, diperoleh bebrapa kesimpulan, yaitu :

  1. Perhitungan algoritma KNN yang diterapkan dalam memprediksi predikat prestasi Mahasiswa mampu menghasilkan akurasi k=5 dengan nilai 69,10%. Pengujian algoritma ini dilakukan menggunakan cross validation sebanyak 3 kali cross dan menggunakan perhitungan akurasi confusion matriks yaitu membandingkan predikat pada data sebelumnya denganpredikat hasil prediksi.
  2. Proses prediksi predikat prestasi Mahasiswa dilakukan dengan membangun sebuah Early Warning System (EWS) berdasarkan algoritma K-Nearest Neighbor (K-NN). Sistem yang dibangun mampu memprediksisesuai dengan perhitungan Algoritma secara manual. Data yang digunakan adalah 165 record data training dari Mahasiswa angkatan 2012 dan 57 record data testing dari Mahasiswa angkatan 2014.

Sumber Gambar