Prediksi Kelayakan Mahasiswa sebagai Penerima Beasiswa Bank Indonesia pada Tahap Seleksi Administrasi di Universitas Nurul Jadid Menggunakan Algoritma K Nearest Neighbor
AbstractBeasiswa ialah jenis bantuan keuangan yang diberikan kepada mahasiswa untuk membantu mereka membayar biaya pendidikan. Tahap seleksi administrasi merupakan langkah awal dalam menilai kelayakan mahasiswa. Proses seleksi administrasi jika dilakukan secara manual dapat memakan waktu dan sumber daya, serta keputusan manual dapat rentan terhadap subjektivitas, dan perbedaan penilaian antar panitia seleksi. Oleh karena itu dibutuhkan Prediksi yang akurat untuk dapat mengoptimalkan penggunaan sumber daya, mengetahui faktor utama dan faktor pendukung untuk membantu pihak terkait dalam menentukan kelayakan mahasiswa untuk dinyatakan lolos seleksi administrasi secara lebih mendalam. Tujuan penelitian ini ialah meminimalkan adanya pengaruh keputusan yang bersifat subjektivitas serta meminimalisir adanya human erorr. Penelitian ini mengusulkan Prediksi Kelayakan Mahasiswa Algoritma K Nearest Neighbor (KNN). Perhitungan jarak yang digunakan dalam penelitian ini ialah Euclidean distance yang dimana digunakan untuk mengukur seberapa mirip data yang akan di prediksi dan data latih yang ada. Implementasi algoritma ini menggunakan python di google colab. Dataset yang digunakan dalam penelitian ini ialah sebanyak 350 record data, dengan membagi 75% sebagai data training, dan 25% sebagai data testing. Hasil dari penelitian ini menunjukkan bahwa Algoritma K Nearest Neighbor (KNN) mampu menjadi model prediksi kelayakan yang baik, ditunjukkan dengan nilai akurasi sebesar 93%.
|
Keywords
Full Text:
References
A. Mardiana, D. Abdurahman, and P. Putriani, “SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BANK INDONESIA STUDI KASUS UNIVERSITAS MAJALENGKA,” INFOTECH journal, vol. 8, no. 1, pp. 13–21, Jan. 2022, doi: 10.31949/infotech.v8i1.1664.
N. Afriani Manihuruk, M. Zarlis, E. Irawan, and H. Satria Tambunan, “Penerapan Data Mining Dalam Mengelompokkan Calon Penerima Beasiswa Dengan Menggunakan Algoritma K-Means,” vol. 4, no. 1, 2020, doi: 10.30865/komik.v4i1.2575.
“tik-52-9-hal-penerapan-algoritma-k-nearest-neighbor-untuk-prediksi-pengelompokkan-tingkat-risiko-penyebaran-covid-19-jawa-barat”.
A. Saleh, “Pendeteksian Penggunaan Masker Untuk Pencegahan Penyebaran Covid-19 Menggunakan Algoritma K-nearest neighbor.” [Online]. Available: https://www.kaggle.com/datasets/jamesnogra/face-
D. Desa et al., “Arifin, Shudiq, Maghfiroh-Penerapan Metode Knn (K-Nearest Neighbor) Dalam Sistem Pendukung Keputusan Pen-erimaan KIP (Kartu Indonesia Pintar) PENERAPAN METODE KNN (K-NEAREST NEIGHBOR) DALAM SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KIP (KARTU INDONESIA PINTAR) DI DESA PANDEAN BERBASIS WEB DAN MYSQL.”
J. Khatib Sulaiman and H. Hendri, “Implementasi Data Mining Dengan Metode C4.5 Untuk Prediksi Mahasiswa Penerima Beasiswa,” Indonesian Journal of Computer Science Attribution-ShareAlike, vol. 4, no. 2, pp. 2021–312.
J. Penelitian Ilmu Komputer and M. Fauzi Firdaus, “ANALISIS ALGORITMA C 4.5, NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK MENENTUKAN PENERIMAAN BEASISWA,” 2023. [Online]. Available: https://mypublikasi.com/index.php/JUPIK/156
M. Riziq sirfatullah Alfarizi, M. Zidan Al-farish, M. Taufiqurrahman, G. Ardiansah, and M. Elgar, “PENGGUNAAN PYTHON SEBAGAI BAHASA PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP LEARNING,” 2023.
L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Faktor Exacta, vol. 13, no. 1, p. 35, Jun. 2020, doi: 10.30998/faktorexacta.v13i1.5548.
Y. Andini, J. Tata Hardinata, Y. Pranayama Purba, and P. A. Studi Sistem Informasi STIKOM Tunas Bangsa JlJend Sudirman Blok No, “PENERAPAN DATA MINING TERHADAP TATA LETAK BUKU DI PERPUSTAKAAN SINTONG BINGEI PEMATANGSIANTAR MENGGUNAKAN METODE APRIORI,” 2022. [Online]. Available: http://ejournal.stmik-time.ac.id
F. Alghifari and D. Juardi, “Fauzan Alghifari Penerapan Data Mining Pada Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes.”
A. Al Arif, M. Firdaus, Y. Maruhawa, S. AMIK Riau, and J. Purwodadi Panam, “SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat Comparison of Data Mining Methods for Predition of Rainfall with C4.5, Naïve Bayes, and KNN Algorithm Perbandingan Metode Data Mining untuk Prediksi Curah Hujan dengan Algoritma C4.5, Naïve Bayes, dan KNN.” [Online]. Available: https://journal.irpi.or.id/index.php/sentimas
M. Muslim, S. Windarti, D. Manajemen, I. Kesehatan, S. Akbidyo, and J. Parangtritis, “Visualisasi Data Mining Untuk Skiring Digital Covid-19 Pada Instansi,” Jurnal Teknik Informatika Kaputama (JTIK), vol. 7, no. 1, 2023.
M. N. Muttaqin and I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor,” UNNES Journal of Mathematics, vol. 10, no. 2, pp. 22–27, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm
R. Bahtiar, “Implementasi Data Mining Untuk Prediksi Penjualan Kusen Terlaris Menggunakan Metode K-Nearest Neighbor.” [Online]. Available: https://jurnal.publikasitecno.id/index.php/jim203
| 10.33650/jeecom.v6i1.8425 |
|
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Uky Oktavia Risti Permatasari, Wali Ja'far Shudiq, Moh Jasri
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
