Penentuan Tingkat Kelulusan Mahasiswa di Fakultas Ekonomi dan Bisnis Universitas Muslim Indonesia Berbasis Web
Authors:
Open Access
- 30 August 2021
- journal article
- research article
- Published by Universitas Muslim Indonesia in Buletin Sistem Informasi dan Teknologi Islam
- Vol. 2 (3) , 208-212
Abstract
Perguruan Tinggi merupakan penyelenggara pendidikan akademik dan diharapkan dapat menyelenggarakan pendidikan yang berkualitas bagi mahasiswa sehingga menghasilkan sumber daya manusia yang berilmu, cakap, kreatif dan bersaing. Banyak aspek yang dapat dijadikan tolak ukur kualitas Perguruan Tinggi salah satunya adalah mahasiswa. oleh karena itu, perguruan tinggi perlu memperhatikan tingkat kelulusan mahasiswa yang lulus tepat waktu. Presentasi naik turunnya kemampuan mahasiswa dalam menyelesaikan studi tepat waktu merupakan salah satu faktor elemen penilaian akreditasi kampus sehingga dapat menjadi kendala untuk kemajuan perguruan tinggi dan mempengaruhi tingkat kualitas sebuah perguruan tinggi. Fakultas Ekonomi dan Bisnis merupakan salah satu Fakultas yang berada di Universitas Muslim Indonesia. Tidak stabilnya kelulusan mahasiswa pada setiap tahun di Fakultas Ekonomi dan Bisnis menjadi tugas yang harus diselesaikan bagi program studi karena dapat menyebabkan terjadinya penumpukan data mahasiswa. Tujuan penelitian ini yaitu mengimplementasikan algoritma KNN (K- Nearest Neighbour) yang merupakan teknik klasifikasi data yang kuat, dengan cara mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama berdasarkan pencocokan bobot. Metode ini digunakan dalam memprediksi kelulusan mahasiswa Fakultas Ekonomi dan Bisnis angkatan 2017 dengan menggunakan 130 dataset mahasiswa yang diambil dari data mahasiswa pada Fakultas Ekonomi dan Bisnis yang dibagi menjadi 100 data testing angkatan 2016 dan 30 data uji angkatan 2017. Berdasarkan hasil pengujian sistem didapatkan nilai K dengan tingkat akurasi terbaik adalah K=17 dan K=19 dengan hasil persentase 100% yang menyatakan akurasi perfoma metode.Keywords
This publication has 4 references indexed in Scilit:
- Penerapan Metode K-Nearest Neighbor Untuk Memprediksi Tingkat Kelulusan Mahasiswa Berbasis Web Pada Fakultas Ilmu Komputer UMIBuletin Sistem Informasi dan Teknologi Islam, 2020
- KOMPARASI ALGORITMA DECISION TREE, NAIVE BAYES DAN K-NEAREST NEIGHBOR UNTUK MEMPREDIKSI MAHASISWA LULUS TEPAT WAKTUJITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer), 2020
- PERBANDINGAN METODE DATA MINING UNTUK PREDIKSI NILAI DAN WAKTU KELULUSAN MAHASISWA PRODI TEKNIK INFORMATIKA DENGAN ALGORITMA C4,5, NAÏVE BAYES, KNN DAN SVMJurnal Tekno Insentif, 2019
- Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest NeighborTechno.Com, 2018