Sistem Bantu Penentuan Konsentrasi Mahasiswa Menggunakan Metode K-Nearest Neighbor Classification

Achmad Mukti Wibowo; Patmi Kasih; Intan Nur Farida

doi:10.29407/stains.v3i1.4343

Authors

Achmad Mukti Wibowo Universitas Nusantara PGRI Kediri
Patmi Kasih Universitas Nusantara PGRI Kediri
Intan Nur Farida Universitas Nusantara PGRI Kediri

DOI:

https://doi.org/10.29407/stains.v3i1.4343

Keywords:

Sistem Bantu Keputusan, Konsentrasi Mahasiswa, K-Nearest Neighbor

Abstract

Universitas Islam Kadiri (UNISKA) Kediri adalah lembaga pendidikan tinggi swasta yang berada di Kota Kediri, menggunakan Kurikulum MBKM (Merdeka Belajar Kampus Mengajar). Dalam pelaksanaan pendidikan dalam Program Studi Manajemen Fakultas Ekonomi UNISKA Kediri menggunakan Kurikulum MBKM dalam penerapannya pada semester 3 dilaksanakan pemilihan konsentrasi adapun pilihan konsentrasi tersebut ialah: Manajemen Keuangan, Manajemen Pemasaran, MSDM (Manajemen Sumber Daya Manusia) dan Manajemen Operasional. Namun dalam pelaksaan pemilihan konsentrasi ini masih menggunakan metode konvensional hanya berdasarkan minat yang telah dipilih tanpa adanya pertimbangan, baik berdasarkan minat atau nilai mata kuliah. Menurut peneliti perlu adanya suatu metode dan indeks yang digunakan untuk membantu menentukan pilihan konsentrasi mahasiswa supaya lebih akurat. Menggunakan metode K-Nearest Neighbor Classification karena metode ini menggunakan data kemudian mencari kecocokan atau kesesuaian dalam mengambil keputusan sehingga nantinya akan menghasilkan hasil yang lebih baik. Hasil dari penelitian yang dilakukan ini adalah membuat sistem bantu berbasis web yang akan memberikan rekomendasi terhadap mahasiswa sehingga mahasiswa dalam menentukan konsentrasi tidak hanya berdasarkan minat yang diinginkan tetapi juga berdasarkan nilai mahasiswa.

Downloads

Download data is not yet available.

References

Sejarah Universitas Islam Kadiri. (Online), tersedia: https://www.uniska-kediri.ac.id/sejarah-universitas, diakses pada 12 Desember 2023.

Zulfallah, F. H. (2022). Implementasi Algoritma Knn Dalam Mengukur Ketepatan Kelulusan Mahasiswa Uin Syarif Hidayatullah Jakarta.

S. Nuraeni, S. P. A. Syam, M. F. Wajdi, B. Firmansyah, and M. Malkan, “Implementasi Metode K-NN Untuk Menentukan Jurusan Siswa di SMAN 02 Manokwari,” G-Tech J. Teknol. Terap., vol. 7, no. 1, pp. 89–95, Jan. 2023, doi: 10.33379/gtech.v7i1.1905.

A. A. Karim, M. A. Prasetyo, and M. R. Saputro, “Perbandingan Metode Random Forest, K-Nearest Neighbor, dan SVM Dalam Prediksi Akurasi Pertandingan Liga Italia,” Stain. (Seminar Nas. Teknol. Sains), vol. 2, no. 1, pp. 377–382, 2023.

R. Nurhidayat and K. E. Dewi, “KOMPUTA : Jurnal Ilmiah Komputer dan Informatika PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN FITUR EKSTRAKSI N-GRAM DALAM ANALISIS SENTIMEN BERBASIS ASPEK,” vol. 12, no. 1, 2023, [Online]. Available: https://www.kaggle.com/datasets/hafidahmusthaanah/skincare-review?select=00.+Review.csv.

A. N. Iffah’da and Anita Desiani, “Implementasi Algoritma K-Nearest Neighbor (K-NN) dan Single Layer Perceptron (SLP) Dalam Prediksi Penyakit Sirosis Biliari Primer,” J. Ilm. Inform., vol. 7, no. 1, pp. 65–74, 2022, doi: 10.35316/jimi.v7i1.65-74.

M. Nurkholifah, Jasmarizal, Y. Umar, and Rahmaddeni, “ANALISA PERFORMA ALGORITMA MACHINE LEARNING DALAM PREDIKSI PENYAKIT LIVER,” J. Indones. Manaj. Inform. dan Komun., vol. 4, no. 1, pp. 164–172, Jan. 2023, doi: 10.35870/jimik.v4i1.149.