PENERAPAN DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA TEKNIK INFORMATIKA STIKOM DB JAMBI MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Indriyani, Dini
Subject
Artificial Intelligence
Datestamp
2019-07-27 08:01:56
Abstract :
Data mining adalah suatu konsep penggalian data yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Di STIKOM DB data-data alumni khususnya pada program studi Teknik Informatika semakin bertambah setiap tahunnya dan tidak ada tindak lanjut manfaat dari data-data yang tersedia. Oleh karena itu, penulis melakukan analisis data mining pada data-data mahasiswa tersebut agar menjadi informasi yang sangat berharga bagi organisasi. Penulis menggunakan data mahasiswa teknik informatika tahun 2013 dan 2016 sebanyak 318 data yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang gunakan adalah metode klasifikasi K-Nearest Neighbor dengan 6 atribut. Untuk menyeleksi atribut penulis menggunakan algoritma classifier attribute evaluation Hasil klasifikasi k-nearest neighbor dengan akurasi terbesar diperoleh dengan menggunakan K = 5 dengan Use Training Set dengan persentasi akurasi Correctly Classified Instances sebesar 88,9937 % dan Incorrectly Classified Instances 11,0063 %.
Data mining adalah suatu konsep penggalian data yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Di STIKOM DB data-data alumni khususnya pada program studi Teknik Informatika semakin bertambah setiap tahunnya dan tidak ada tindak lanjut manfaat dari data-data yang tersedia. Oleh karena itu, penulis melakukan analisis data mining pada data-data mahasiswa tersebut agar menjadi informasi yang sangat berharga bagi organisasi. Penulis menggunakan data mahasiswa teknik informatika tahun 2013 dan 2016 sebanyak 318 data yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang gunakan adalah metode klasifikasi K-Nearest Neighbor dengan 6 atribut. Untuk menyeleksi atribut penulis menggunakan algoritma classifier attribute evaluation Hasil klasifikasi k-nearest neighbor dengan akurasi terbesar diperoleh dengan menggunakan K = 5 dengan Use Training Set dengan persentasi akurasi Correctly Classified Instances sebesar 88,9937 % dan Incorrectly Classified Instances 11,0063 %.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
