PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) DAN ID3 UNTUK PREDIKSI KELULUSAN MAHASISWA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH JEMBER
Total View This Week0
Total View This Week0
Institusion
Universitas Muhammadiyah Jember
Author
Maulidah, Iradatul
Subject
004 Data Processing, Computer Science
Datestamp
2021-10-30 01:56:16
Abstract :
Perguruan tinggi adalah suatu pendidikan yang lebih tinggi dari jenjang pendidikan menengah di dalam susunan pendidikan sekolah. Pendidikan tinggi memegang peranan penting dalam membentuk sumber daya manusia yang berkualitas dan siap menghadapi era persaingan global, oleh karena itu, peningkatan mutu pendidikan tinggi sangat diperlukan, untuk memenuhi standar kemahiran lulusan bagi mahasiswa program sarjana (S1), beban yang dipersyaratkan minimal harus 144.160 satuan kredit semester (sks). Masa studi untuk mahasiswa sarjana (S1) biasanya 8 semester atau 4 tahun, tergantung program studinya. Namun tidak sedikit mahasiswa yang melebihi standar kelulusan yang diharapkan selama masa studi, untuk itu maka tujuan dalam penelitian ini adalah perbandingan algoritma K-Nearest Neighbor (KNN) dan ID3 dalam prediksi kelulusan mahasiswa dengan mengetahui tingkat Accuracy, recall, dan precision. Langkah langkah yang akan dilakukan untuk menyelesaikan permasalahan yang akan digunakan dengan kerangka kerja dimulai dengan Studi Literature, Pengumpulan data, Praproses data, Eksperimen dan pengujian algoritma, Evaluasi dan Validasi hasil. Setelah dilakukan penelitian menggunakan kedua algoritma tersebut, hasil yang didapat dari penelitian ini adalah pada algoritma K-Nearest Neighbor (KNN) dengan Accuracy sebesar 91.66%, Recall sebesar 96.66% dan Precision sebesar 87.87%. Pada algoritma ID3 (Iterative Dichotomiser 3) didapatkan hasil Accuracy sebesar 93.33%, Recall sebesar 93.93% dan Precision sebesar 93.93%. Sehingga berdasarkan penelitian tersebut menunjukkan bahwa algoritma ID3 (Iterative Dichotomiser 3) mempunyai Accuracy lebih baik bila dibandingkan dengan algoritma K-Nearest Neighbor (K-NN) dalam memprediksi Kelulusan Mahasiswa. Kata Kunci: Mahasiswa, K-Nearest Neighbor, ID3
Perguruan tinggi adalah suatu pendidikan yang lebih tinggi dari jenjang pendidikan menengah di dalam susunan pendidikan sekolah. Pendidikan tinggi memegang peranan penting dalam membentuk sumber daya manusia yang berkualitas dan siap menghadapi era persaingan global, oleh karena itu, peningkatan mutu pendidikan tinggi sangat diperlukan, untuk memenuhi standar kemahiran lulusan bagi mahasiswa program sarjana (S1), beban yang dipersyaratkan minimal harus 144.160 satuan kredit semester (sks). Masa studi untuk mahasiswa sarjana (S1) biasanya 8 semester atau 4 tahun, tergantung program studinya. Namun tidak sedikit mahasiswa yang melebihi standar kelulusan yang diharapkan selama masa studi, untuk itu maka tujuan dalam penelitian ini adalah perbandingan algoritma K-Nearest Neighbor (KNN) dan ID3 dalam prediksi kelulusan mahasiswa dengan mengetahui tingkat Accuracy, recall, dan precision. Langkah langkah yang akan dilakukan untuk menyelesaikan permasalahan yang akan digunakan dengan kerangka kerja dimulai dengan Studi Literature, Pengumpulan data, Praproses data, Eksperimen dan pengujian algoritma, Evaluasi dan Validasi hasil. Setelah dilakukan penelitian menggunakan kedua algoritma tersebut, hasil yang didapat dari penelitian ini adalah pada algoritma K-Nearest Neighbor (KNN) dengan Accuracy sebesar 91.66%, Recall sebesar 96.66% dan Precision sebesar 87.87%. Pada algoritma ID3 (Iterative Dichotomiser 3) didapatkan hasil Accuracy sebesar 93.33%, Recall sebesar 93.93% dan Precision sebesar 93.93%. Sehingga berdasarkan penelitian tersebut menunjukkan bahwa algoritma ID3 (Iterative Dichotomiser 3) mempunyai Accuracy lebih baik bila dibandingkan dengan algoritma K-Nearest Neighbor (K-NN) dalam memprediksi Kelulusan Mahasiswa. Kata Kunci: Mahasiswa, K-Nearest Neighbor, ID3
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
