Sistem Bantu Penentuan Konsentrasi Mahasiswa Menggunakan Metode K-Nearest Neighbor Classification
DOI:
https://doi.org/10.29407/stains.v3i1.4343Keywords:
Sistem Bantu Keputusan, Konsentrasi Mahasiswa, K-Nearest NeighborAbstract
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
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.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Achmad Mukti Wibowo, Patmi Kasih, Intan Nur Farida
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution 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.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
