PERBANDINGAN IMPLEMENTASI METODE K-NEAREST NEIGHBOR (K-NN) DAN DECISION TREE PADA MODEL IDENTIFIKASI DIVISI DI HIMAPRODI
Total View This Week0
Total View This Week0
Institusion
Universitas Nusantara PGRI Kediri
Author
Bayu Aji, Abraham Dimas
SWANJAYA, DANIEL
WULANNINGRUM, RESTY
SWANJAYA, DANIEL
WULANNINGRUM, RESTY
Subject
461 Information systems
Datestamp
2022-08-23 02:38:53
Abstract :
Himpunan Mahasiswa Program Studi (Himaprodi) merupakan salah satu organisasi kampus yang berada di bawah naungan Program Studi. di dalam struktur Himaprodi terdapat yang namanya divisi untuk menunjang kinerja Himaprodi tersebut. Akan tetapi masih diperlukan proses untuk mengidentifikasi divisi para pengurus di Himaprodi agar sesuai dengan bidangnya. Penelitian ini digunakan untuk klasifikasi divisi di Himaprodi Teknik Informatika UNP Kediri. penelitian ini menggunakan data dari pengurus Himaprodi Teknik Informatika UNP Kediri sebanyak 85 data dalam empat periode kepengurusan (2018-2021). Model yang digunakan pada penelitian ini adalah algoritma K-NN dan Decision Tree dengan menggunakan variabel berupa hobi, pengalaman berorganisasi, dan kelebihan dari setiap pengurus itu sendiri. Penelitian ini menerapkan 6 skenario dengan kombinasi variabel dengan tingkat akurasi terbaik. Hasil penelitian yang dikeluarkan berupa nilai akurasi dari klasifikasi divisi manakah yang cocok untuk setiap pengurus Himaprodi agar sesuai dengan bidangnya. Nilai akurasi yang paling tinggi dari hasil penerapan kedua metode akan direkomendasikan untuk menyelesaikan masalah klasifikasi divisi di Himaprodi Teknik Informatika UNP Kediri. dari hasil penelitian diperoleh nilai akurasi metode Decision Tree (66,67%) lebih baik jika dibandingkan dengan nilai akurasi metode K-Nearest Neighbor (57,14%).
Himpunan Mahasiswa Program Studi (Himaprodi) merupakan salah satu organisasi kampus yang berada di bawah naungan Program Studi. di dalam struktur Himaprodi terdapat yang namanya divisi untuk menunjang kinerja Himaprodi tersebut. Akan tetapi masih diperlukan proses untuk mengidentifikasi divisi para pengurus di Himaprodi agar sesuai dengan bidangnya. Penelitian ini digunakan untuk klasifikasi divisi di Himaprodi Teknik Informatika UNP Kediri. penelitian ini menggunakan data dari pengurus Himaprodi Teknik Informatika UNP Kediri sebanyak 85 data dalam empat periode kepengurusan (2018-2021). Model yang digunakan pada penelitian ini adalah algoritma K-NN dan Decision Tree dengan menggunakan variabel berupa hobi, pengalaman berorganisasi, dan kelebihan dari setiap pengurus itu sendiri. Penelitian ini menerapkan 6 skenario dengan kombinasi variabel dengan tingkat akurasi terbaik. Hasil penelitian yang dikeluarkan berupa nilai akurasi dari klasifikasi divisi manakah yang cocok untuk setiap pengurus Himaprodi agar sesuai dengan bidangnya. Nilai akurasi yang paling tinggi dari hasil penerapan kedua metode akan direkomendasikan untuk menyelesaikan masalah klasifikasi divisi di Himaprodi Teknik Informatika UNP Kediri. dari hasil penelitian diperoleh nilai akurasi metode Decision Tree (66,67%) lebih baik jika dibandingkan dengan nilai akurasi metode K-Nearest Neighbor (57,14%).
File :
RAMA_55201_18103020167.pdf
RAMA_55201_18103020167_SIMILARITY.pdf
RAMA_55201_18103020167_0723098303_0719068702_01_front_ref.pdf
RAMA_55201_18103020167_0723098303_0719068702_02.pdf
RAMA_55201_18103020167_0723098303_0719068702_03.pdf
RAMA_55201_18103020167_0723098303_0719068702_04.pdf
RAMA_55201_18103020167_0723098303_0719068702_05.pdf
RAMA_55201_18103020167_0723098303_0719068702_06_ref.pdf
RAMA_55201_18103020167_0723098303_0719068702_07_lamp.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
