PENERAPAN K-OPTIMAL PADA ALGORITMA MODIFIED K–NEAREST NEIGHBOR (MK-NN) UNTUK KLASIFIKASI KELULUSAN MAHASISWA (STUDI KASUS : TEKNIK INFORMATIKA UIN SUSKA RIAU)

Abstrak / Ringkasan

MELDAWATI PUTRI (2021) : PENERAPAN K-OPTIMAL PADA ALGORITMA
MODIFIED K–NEAREST NEIGHBOR (MK-NN)
UNTUK KLASIFIKASI KELULUSAN MAHASISWA
(STUDI KASUS : TEKNIK INFORMATIKA UIN SUSKA RIAU)


Kelulusan mahasiswa dapat menimbulkan masalah yang begitu serius terhadap kualitas
penyelenggaraan proses pembelajaran pada sebuah program studi, salah satu ancaman
bagi pihak program studi adalah masih banyak mahasiswa yang memperoleh kelulusan
tidak tepat waktu. Kelulusan tidak tepat waktu pada jurusan Teknik Informatika
Universitas Islam Negeri Sultan Syarif Kasim Riau memperoleh 86% dari angkatan 2011
sampai 2015 bahkan bisa lebih jika tidak ada penanganan serius. Diperlukan klasifikasi
untuk melihat ketepatan hasil kelulusan mahasiswa menggunakan penerapan K-Optimal
dengan dibangunnya sebuah sistem untuk algoritma Modified K–Nearest Neighbor (MKNN). setiap nilai K yang dihasilkan dengan akurasi terbaik akan disimpan dan digunakan
pada sebuah parameter nilai K pada proses prediksi data uji pada algoritma Modified K–
Nearest Neighbor (MK-NN) serta atribut yang digunakan yaitu Indeks Prestasi Semester
(IP 1-4), Satuan Kredit Semester Tempuh (SKS Tempuh 1-4), Indeks Prestasi Kumultif
(IPK) serta keterangan lulus tepat waktu atau lulus tidak tepat waktu pada data mahasiswa
angkatan 2011 sampai 2015. Hasil akurasi K-Optimal terbaik terdapat pada K=1 pada
percobaan ke-8 dengan hasil nilai akurasi sebesar 88.22682% dan nilai akurasi pada
algoritma Modified K–Nearest Neighbor (MK-NN) menghasilkan ketepatan untuk
kurikulum 2011 sebanyak 62 dari 63 data dengan akurasi sebesar 96.83%, sedangkan
kurikulum 2015 menghasilkan ketepatan sebanyak 3 dari 3 data dengan nilai akurasi
sebesar 100%.
Kata kunci : Kelulusan Mahasiswa, K-Fold Cross Validation , Klasifikasi, MK-NN

Topik Terkait

Sitasi