Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara)
Hendri Risman
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN METODE K-NEAREST NEIGHBOR PADA APLIKASI PENENTU PENERIMA BEASISWA MAHASISWA DI STMIK SINAR NUSANTARA SURAKARTA Hendri Risman; Didik Nugroho; Yustina Retno Wahyu Utami
Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN) Vol 3, No 2 (2015): JURNAL TIKomSiN
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.512 KB) | DOI: 10.30646/tikomsin.v3i2.199

Abstract

Belum adanya sistem aplikasi yang dapat memberikan hasil keputusan alternatif yang dapat dijadikan pertimbangan dalam proses mengambil keputusan saat menentukan calon penerima beasiswa sesuai dengan kriteria dari pihak akademik menjadi kendala. Salah satu solusinya yaitu membuat aplikasi dengan Metode k-Nearest Neighbor dalam membantu membuat keputusan alternatif dalam menentukan calon penerima beasiswa. Untuk itu dibutuhkan  sistem komputerisasi yang tepat agar dapat terbentuk sebuah aplikasi penentuan calon penerima beasiswa dengan menggunakan metode k-Nearest Neighbor dan dapat membantu mempermudah tim seleksi beasiswa dalam menentukan calon penerima beasiswa. Metode pengumpulan data dengan wawancara dan observasi, metode analisis sistem dengan diagram Context, HIPO, DAD, desain database dengan ERD, implementasi program dengan PHP dan database mysql. Kriteria dalam penentuan calon penerima beasiswa ini yaitu Semester, Indeks Prestasi Kumulatif (IPK), penghasilan orang tua, dan Tanggungan Orang Tua. Dari pengujian yang dilakukan terhadap 22 data sampel yang di jadikan acuan dalam perhitungan k-Nearest Neighbor dalam menghasilkan keputusan diperoleh nilai  kekuratan sebesar 90,90% yang mana dalam algoritma k-Nearest Neighbor nilai tersebut termasuk besar karena algoritma k-Nearest Neighbor tidak menggunakan parameter untuk dijadikan acuan melainkan data sampel yang nilainya bervariasi .Kata kunci : Beasiswa, KNN (K-Nearest Neighbor),Diagram Context, HIPO, Diagram Alir Data
Co-Authors Didik Nugroho Yustina Retno Wahyu Utami