TA: Penerapan Algoritma K-Nearest Neighbor Untuk Memprediksi Kelulusan Mahasiswa di Universitas Dinamika

Priambodo, Farhannur (2026) TA: Penerapan Algoritma K-Nearest Neighbor Untuk Memprediksi Kelulusan Mahasiswa di Universitas Dinamika. Undergraduate thesis, Universitas Dinamika.

	Text 22410100081-2026-UNIVERSITASDINAMIKA.pdf - Accepted Version Download (1MB)
	Text 22410100081-2026-LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (915kB)

Search this title on : |

Abstract

Salah satu faktor penentu kualitas perguruan tinggi adalah persentase mahasiswa untuk menyelesaikan studi tepat waktu, dan masalah kelulusan mahasiswa banyak dialami oleh perguruan tinggi. Universitas Dinamika (UNDIKA) adalah sebuah Perguruan Tinggi Swasta (PTS) di Surabaya. UNDIKA memiliki 3 fakultas antara lain Fakultas Ekonomi dan Bisnis, Fakultas Teknologi dan Informatika, dan Fakultas Desain dan Industri Kreatif. Setiap Prodi memiliki cara atau proses tersendiri dalam memantau kelulusan mahasiswa. Permasalahannya adalah saat ini pihak prodi masih belum memiliki metode sistematis untuk memprediksi kelulusan mahasiswa, sehingga proses prediksi yang dilakukan masih dilakukan dengan memperkirakan berapa banyak semester mahasiswa untuk menyelesaikan masa studi berdasarkan laporan dari dosen wali. Dengan algoritma K-Nearest Neighbor (K-NN) dapat memprediksi ketepatan waktu kelulusan mahasiswa dengan cara melatih data train mahasiswa reguler S1 Sistem informasi yang telah lulus sejumlah 193 data semester 6 dan 8 dan memprediksi data test mahasiswa reguler aktif S1 Sistem Informasi sejumlah 84 data mahasiswa semester 6 dan 87 data mahasiswa semester 8. Hasil prediksi dengan algoritma K-NN menghasilkan visualiasi pie chart pada data semester 6 menunjukkan 45 mahasiswa diprediksi lulus tepat waktu dan 39 mahasiswa diprediksi lulus tidak tepat waktu. Sedangkan pada pie chart data semester 8 menunjukkan 13 mahasiswa diprediksi lulus tepat waktu dan 74 mahasiswa diprediksi lulus tidak tepat waktu. Kemudian visualisasi scatter plot digunakan untuk menampilkan titik data test semester 6 dan semester 8 pada sumbu X dan Y. Hasil evaluasi algoritma K-NN dengan menggunakan data almuni S1 Sistem informasi lulusan semester 24.1 dan 24.2 sejumlah 100 data mengasilkan nilai akurasi sebesar 69% untuk data semester 6 dan 85% untuk data semester 8. Berdasarkan hasil penelitian menunjukkan bahwa K-NN telah berfungsi dengan benar dan mampu memprediksi ketepatan waktu kelulusan mahasiswa dengan menghasilkan prediksi terhadap data mahasiswa reguler aktif semester 6 dan 8 dalam bentuk visualiasi pie chart, scatter plot, dan tabel sehingga prodi dapat memberikan arahan kepada dosen wali terhadap mahasiswa yang diprediksi lulus tidak tepat waktu.

Export Record

ASCII Citation Atom BibTeX Dublin Core EP3 XML EndNote HTML Citation JSON METS MODS MPEG-21 DIDL OpenURL ContextObject OpenURL ContextObject in Span RDF+N-Triples RDF+N3 RDF+XML Refer Reference Manager Simple Metadata

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item